طراحی و پیاده سازی یک دسته بندی کننده دادگان سوناری مبتنی بر شبکه عصبی ادراکی چندلایه آموزش دیده شده با الگوریتم بهینه سازی گروهی فیل ها

دسته بندی اهداف سوناری به دلیل پیچیدگی فیزیکی و شباهت بسیار زیاد کلاتر با اهداف واقعی در سونار فعال، یکی از مسایل چالش برانگیز برای پژوهشگران این حوزه است. شبکه های عصبی ادراکی چندلایه، یکی از کارآمدترین ابزار در دسته بندی اهداف می باشند. از آموزش می توان به عنوان مهم ترین بخش این شبکه ها اشاره نمود که دقت دسته بندی را تا حد زیادی کنترل می نماید. در سال های اخیر استفاده از الگوریتم های فراابتکاری برای آموزش این نوع شبکه ها بسیار مرسوم گشته است. هدف این مقاله، استفاده از الگوریتم بهینه سازی گروهی فیل ها، برای آموزش شبکه عصبی ادراکی چندلایه به منظور دسته بندی اهداف سوناری می باشد. در طبیعت فیل ها به صورت قبیله ای زندگی کرده و در هر قبیله یک فیل به عنوان رهبر، مسولیت رهبری گروه را بر عهده دارد. همچنین فیل های نر نیز بعد از بزرگ شدن، خانواده خود را ترک می نمایند. این دو رفتار می تواند با دو عملگر: به روزرسانی قبیله و جدایی، مدل شود. در این الگوریتم، هر فیل می تواند با توجه به جایگاه فعلی خود به روز شده و با استفاده از عملگر جدایی، میزان تنوع در جمعیت را بهبود بخشد. به منظور درست نمایی نتایج، در این مقاله از سه دادگان با میزان پیچیدگی و اندازه مختلف برای شبیه سازی استفاده شده است. همچنین عملکرد الگوریتم بهینه سازی گروهی فیل ها در آموزش شبکه عصبی با نتایج چند الگوریتم دیگر مقایسه می گردد. مقایسه نتایج شبیه سازی نشان می دهند که روش پیشنهادی در این مقاله، دارای دقت دسته بندی بالاتر و سرعت همگرایی بیشتر نسبت به دیگر الگوریتم های فراابتکاری مورد استفاده در این مقاله می باشد. همچنین این مقاله یک راه کار برای پیاده سازی سخت افزاری دسته بندی کننده پیشنهادی بر روی تراشه FPGA پیشنهاد می نماید.