حل مسایل پیچیده طبقه بندی با سازماندهی شبکه های عصبی

با توجه به رشد روزافزون روش های ترکیبی ، ساختارها و الگوریتم های متفاوتی ارائه شده اند که تفاوت آن ها به نوع خروجی، وابستگی بین طبقه بندها، استراتژی تلفیق و ساختار سیستم مرکب برمی گردد و با توجه به نیازمندی های مساله مشخص می شود.اختلاط خبره ها یکی از روش های بسیار پرکاربرد و جامع شورای طبقه بندها می باشد که قابلیت زیادی برای افزایش کارایی در بین روش های یادگیری ماشینی دارد. به علت پیچیدگی های موجود به جای شبکه های خطی از شبکه های عصبی چندلایه برای خبره ها و شبکه میانجی استفاده نموده و الگوریتم یادگیری را با افزودن پارامتر گشتاور اصلاح نموده ایم. اما پیچیدگی های مساله ورودی و پارامترهای اولیه استفاده شده باعث می شود سیستم به خوبی نتواند تقسیم فضای ورودی را انجام دهد. دو روش پیشنهادی با استفاده از دانش پیشین برای شکستن فضای ورودی ارایه شده است.