روش ترکیبی برای یادگیری شبکه های بیزی بر اساس بهینه سازی کلونی مورچه ها
A hybrid method for learning Bayesian networks based on ant colony optimization
مشخصات کلی
| سال انتشار | 2011 |
| کد مقاله | 1410 |
| فرمت فایل ترجمه | Word |
| تعداد صفحات ترجمه | 31 |
| نام مجله | Applied Soft Computing |
| نشریه | ScienceDirect |
| درج جداول و شکل ها در ترجمه | انجام شده است |
| جداول داخل مقاله | ترجمه شده است |
چکیده فارسی
به عنوان یک ساختار قدرتمند شبکه های بیزی نقش مهمی را در محیط های غیر قطعی ایفا می کنند. این مقاله یک روش ترکیبی را برای پی بردن به دانش ارائه شده در شبکه های بیزی را پیشنهاد می کند. روش ترکیبی تحلیل وابستگی، بهینه سازی کلونی مورچه، استراتژی تبرید شبیه سازی شده را ترکیب می کند. در ابتدا روش جدید از آزمایش ها با استقلال ترتیب با یک مقدار آستانه خود تنظیم برای کاهش اندازه ی فضای جستجو استفاده می کند، برای اینکه فرایند جستجو زمان کمتری را برای یافتن راه حل بهینه نزدیک صرف کند. سپس بهترین مدل های شبکه ی بیزی به وسیله ی استفاده از الگوریتم بهینه سازی کلونی مورچه ایجاد می شوند، جائیکه یک تابع اکتشافی جدید برای افزایش کارایی جستجو معرفی شده است. در نهایت یک برنامه ی بهینه سازی بر اساس الگوریتم تبرید شبیه سازی شده برای بهبود کارایی بهینه سازی در فرایند جستجوی تصادفی مورچه به کار گرفته شده است. در تعدادی از آزمایشات و مقایسه ها، متد ترکیبی ACO-B اصلی را بهتر نتیجه می دهد که از بهینه سازی کلونی مورچه و دیگر الگوریتم های یادگیری شبکه استفاده می کند.
چکیده لاتین
As a powerful formalism, Bayesian networks play an increasingly important role in the Uncertainty Field. This paper proposes a hybrid method to discover the knowledge represented in Bayesian networks. The hybrid method combines dependency analysis, ant colony optimization (ACO), and the simulated annealing strategy. Firstly, the new method uses order-0 independence tests with a self-adjusting threshold value to reduce the size of the search space, so that the search process takes less time to find the nearoptimal solution. Secondly, better Bayesian network models are generated by using an improved ACO algorithm, where a new heuristic function is introduced to further enhance the search effectiveness and efficiency. Finally, an optimization scheme based on simulated annealing is employed to improve the optimization efficiency in the stochastic search process of ants. In a number of experiments and comparisons, the hybrid method outperforms the original ACO-B which uses ACO and some other network learning algorithms
خرید و دانلود ترجمه این مقاله:
جهت خرید این مقاله ابتدا روی لینک زیر کلیک کنید، به صفحه ای وارد می شوید که باید نام و ایمیل خود را وارد کنید و پس از آن روی دکمه خرید و پرداخت کلیک نمایید، پس از پرداخت بلافاصله به سایت بازگشته و می توانید فایل خود را دانلود کنید، همچنین لینک دانلود به ایمیل شما نیز ارسال خواهد شد.
هیچ دیدگاهی برای این مقاله ثبت نشده است
دیدگاه ها