کنفرانس بین المللی محاسبات نرم

صفحه اصلی / پنجمین کنفرانس بین المللی محاسبات نرم

بکارگیری روش بهینه سازی تکامل تفاضلی باینری و شبکه‌های عصبی عمیق برای تشخیص افراد سالم، ذات‌الریه و کوویدی در تصاویر اشعه ایکس

نویسندگان :

الهه اسلامی¹ سیدابوالفضل شاهزاده فاضلی² جمال زارع پور احمدآبادی³

1- دانشگاه یزد 2- یزد 3- دانشگاه یزد

کلمات کلیدی :

الگوریتم تکامل تفاضلی باینری،بهینه سازی،روش‌های فراابتکاری،انتخاب ویژگی،شبکه عصبی،یادگیری عمیق

چکیده :

با گسترش دانش و افزایش پیچیدگی مسائل طی دهه های اخیر، نیاز به روش های بهینه سازی هرچه بیشتر و بهتر به منظور یافتن بهترین جواب ممکن برای مسائل متعدد بیش از گذشته است. الگوریتم تکامل تفاضلی یکی از الگوریتم های فراابتکاری است که برای بهینه سازی توابع غیرخطی مورد استفاده قرار می‌گیرد و هم در فضاهای پیوسته و هم گسسته قابل استفاده است. این الگوریتم مشابه الگوریتم ژنتیک دارای عملگرهای جهش و تقاطع می باشد بطوریکه برخلاف الگوریتم ژنتیک، عملگر جهش در الگوریتم تکامل تفاضلی، عملگر برتر است. همچنین تفاوت اصلی آن در عملگر انتخاب است. در این مقاله سعی بر این است تا با استفاده از الگوریتم تکامل تفاضلی باینری، یک نمونه مسئله بهینه سازی که معادل با انتخاب ویژگی به منظور تشخیص افراد سالم از افراد مبتلا به کووید و ذات الریه با استفاده از شبکه عصبی یادگیری عمیق حل گردد. به منظور بررسی كارایی روش فوق، الگوریتم مربوطه پیاده سازی گردید. نتایج آزمایش های انجام گرفته حاكی از كارایی بالای این روش در انتخاب ویژگی به ویژه با مدل VGG19 از یادگیری عمیق می باشد.