چکیده مقاله:
یکی از حوزه‌های تحقیقاتی مهم در پردازش تصویر، فشرده-سازی تصاویر است. تاکنون روش‌های مختلفی برای فشرده-سازی تصویر ارائه شده‌است، در این میان شبکه‌های عصبی مخاطبان زیادی را به خود جذب کرده‌اند. متداول‌ترین روش آموزشی شبکه‌های عصبی، روش پس انتشار خطاست که همگرایی کند و توقف در بهینه‌های محلی از مهمترین نقاط ضعف آن محسوب می‌شوند . رویکرد جدید محققین، استفاده از الگوریتم‌های ابتکاری در فرایند آموزش شبکه‌های عصبی است. در این مقاله، روش آموزشی نوینی مبتنی بر روش جستجوی گرانشی (GSA) معرفی می‌شود. روش جستجوی گرانشی آخرین و جدیدترین نسخه از انواع روش‌های جستجو و بهینه‌سازی هوش جمعی است. در این روش پاسخ‌های کاندید در فضای جستجو اجرامی هستند که توسط نیروی گرانش بر یکدیگر اثر گذاشته و موقعیتشان تغییر می-کند. به تدریج اجرام با برازندگی بهتر دارای جرم بیشتری می-شوند و بر اجرام دیگر تاثیر بیشتری می‌گذارند. در تحقیق حاضر با استفاده از الگوریتم GSA یک شبکه عصبی MLP به منظور فشرده سازی تصاویر آموزش داده می-شود. برای ارزیابی کارایی فشرده‌ساز ارائه شده عملکرد آن با الگوریتم بهینه‌سازی گروه ذرات و روش متداول پس انتشار خطا در فشرده‌سازی چهار تصویر استاندارد مقایسه می‌شود. نتایج نهایی گویای قابلیت چشمگیر روش GSA در آموزش شبکه‌های عصبی MLP می‌باشد.
نویسندگان: مریم ده‌باشیان ، سیدحمید ظهیری
منبع : نشریه فناوری اطلاعات و ارتباطات ایران
