الملخص

کانت خوارزمیات التعلم الآلی سمة ممیزة لاستخراج البیانات فی معالجة الصور والإشارات. اقترحت العدید من الدراسات طرقًا مختلفة لتحسین دقة التصنیف. تعد الشبکة العصبیة الاصطناعیة (ANN) واحدة من أهم طرق تصنیف استخراج البیانات بین الخوارزمیات التنبؤیة. یتأثر أداء ANN بالعدید من المعلمات مثل عدد من الخلایا العصبیة للطبقات المخفیة ووظیفة التعلم وظروف التوقف وبنیة الشبکة. تنظیم المعلمات هو نقطة التحدی الحاسمة فی هذه الخوارزمیة. الغرض الرئیسی من هذه الدراسة هو توفیر نهج جدید باستخدام خوارزمیة جینیة متعددة الأهداف ومصنف مجموعة للحصول على المعلمات المثلى لـ ANN. تحقیقا لهذه الغایة، أولا، تم تدریب مجموعة من الشبکات العصبیة من خلال تحدید معلماتها من خلال الخوارزمیة الجینیة متعددة الأهداف. بعد ذلک ، تم اختیار أفضل مزیج من الشبکات العصبیة لعمل مصنف مجموعة. تم تقییم هذه الطریقة بخمس مجموعات بیانات شائعة ومتاحة. ثلاثة قیاسات تم النظر فی الدقة والوقت ومنحنى ROC لتقییم الکفاءة. تظهر النتائج التجریبیة أن النهج المقترح یمکن أن یحقق مفاضلة بین الوقت والدقة بواسطة الخوارزمیة الجینیة متعددة الأهداف. علاوة على ذلک، باستخدام نهج مصنفات المجموعات ، قمنا بزیادة موثوقیة النموذج. وبالتالی، فإن الطریقة المقترحة تعزز دقة الکشف فی ثلاث من مجموعات البیانات المختارة مقارنة بأربع طرق مناسبة حدیثة.