ارائه راهکاری نوین جهت بهبود شبکه های عصبی مصنوعی پرسپترون چند لایه مبتنی بر ترکیب با الگوریتم جهش قورباغه برای تشخیص ایمیل‌ های اسپم

با پیشرفت تکنولوژی و استفاده چشمگیر افراد و گروه ها از اینترنت، تبلیغات در این عرصه گسترش انفجارگونه ایی یافته است به طوری که انواع روش ها برای پخش این تبلیغات به صورت انبوه برای کاربران اینترنت به صورت ایمیل مواجه شده اند. و این امر باعث ایجاد مشکلاتی برای کاربران اینترنت می شود. یکی از این مشکلات وجود ایمیل های اسپم می باشد که ایمیل اسپم یکی از متداول‌ترین و در عین ‌حال منفی‌ترین جنبه‌های دارابودن یک آدرس ایمیل است. با این ‌که در حال‌حاضر و باتوجه به تکنولوژی‌های موجود امکان حذف کامل این نوع از نامه‌های الکترونیکی ناخواسته وجود ندارد، ولی می‌توان بااستفاده از برخی روش‌های موجود تعداد آنان را کاهش داد. اسپم نسخه الکترونیکی از ”نامه‌های غیرقابل‌ استفاده“ است. واژه اسپم به پیام‌های الکترونیکی ناخواسته، اطلاق می‌گردد. این نوع از نامه‌های الکترونیکی ارتباط مستقیمی با ویروس نداشته و حتی ممکن است پیام‌هایی که از منابع معتبر ارسال شده‌اند؛ نیز در زمره این گروه قرار گیرند. در این مقاله برای نیل به این هدف از روش جدیدی با بهبود شبکه عصبی مصنوعی پرسپترون چند لایه با الگوریتم جهش قورباغه استفاده شده‌است. بدین‌صورت که از الگوریتم جهش قورباغه برای یافتن اندیس بهترین ویژگی‌ها و از شبکه عصبی مصنوعی پرسپترون چندلایه برای تشخیص ایمیل‌های اسپم براساس بهترین ویژگی‌های یافته استفاده شده‌است. نتایج شبیه‌سازی نشان می‌دهد که الگوریتم جهش قورباغه توانسته است بهبود قابل توجهی در شبکه عصبی مصنوعی پرسپترون چندلایه را در مقایسه با شبکه عصبی مصنوعی تابع پایه شعاعی داشته باشد.

presenting a novel method to improve multi-layered perceptron artificial neural networks based on combination with frog leaping algorithm to detect spam emails

with the advancement of technology and the significant use of the internet by individuals and groups, advertisements in this field have expanded explosively, so that all kinds of methods for mass distribution of these advertisements to internet users in the form of e-mail have been encountered. and this causes problems for internet users. one of these problems is the presence of spam emails which spam email is one of the most common negative features suffering the owner of an email address. although existing technologies cannot eliminate unwanted spams, some existing methods can reduce their number. by definition, spam is an electronic version of useless mails. spam refers to unwanted and unsolicited e-mails. such e-mails are not necessarily directly related to the virus, meaning that messages sent from valid sources may also be included in this class. this study proposes a new method based on improving the multilayer perceptron artificial neural network using the shuffled frog leaping algorithm to realize this objective. the shuffled frog leaping algorithm is used to find the best features, and the artificial multilayer perceptron neural network is used to detect spam emails based on the best features. the simulation results prove that the shuffled frog leaping algorithm has significantly improved the multilayer perceptron artificial neural network compared to the artificial neural network based on the radial base function.