Λεπτομέρειες βιβλιογραφικής εγγραφής
| Τίτλος: |
Конструирование искусственных нейронных сетей с помощью меметических алгоритмов: Construction of artificial neural networks using memetic algorithms |
| Πηγή: |
Труды НИИСИ РАН. 10:55-61 |
| Στοιχεία εκδότη: |
Federal Scientific Center Scientific Research Institute for Systems Research of the Russian Academy of Sciences, 2020. |
| Έτος έκδοσης: |
2020 |
| Θεματικοί όροι: |
Искусственные нейронные сети, Artificial neural networks, меметические алгоритмы, эволюционные алгоритмы, population, генетические алгоритмы, memetic algorithms, мутация, evolutionary algorithms, mutation, популяция, genetic algorithms |
| Περιγραφή: |
В статье рассматривается семейство меметических алгоритмов конструирования искусственных нейронных сетей специального вида. В качестве целевых сетей рассматриваются сети, представленные ациклическими графами с фиксированным количеством входных и выходных нейронов. Меметический алгоритм представляет собой эволюционный алгоритм развития популяции нейронных сетей с итерационным частичным обучением, а также с выживанием, размножением и мутацией особей. В качестве завершения естественного отбора принимается момент, когда лидер популяции отвечает верно на все тестовые данные из целевого набора. Рассматриваемый алгоритм позволяет автоматически находить конфигурации нейронных сетей с меньшим количеством нейронов и связей, а также обладающие лучшими характеристиками по скорости обучения The article considers a family of memetic algorithms for constructing artificial neural networks of a special kind. The networks represented by acyclic graphs with a fixed number of input and output neurons are considered as target networks. The memetic algorithm is an evolutionary algorithm for the development of neural networks popuation with iterative partial learning, as well as with the survival, reproduction and mutation of individuals. As the completion of natural selection, the moment is taken when the leader of the population answers correctly all test data from the target set. The considered algorithm allows to automatically find the configuration of neural networks with fewer neurons and connections, as well as having the best characteristics in terms of learning speed. |
| Τύπος εγγράφου: |
Article |
| Γλώσσα: |
Russian |
| ISSN: |
2225-7349 |
| DOI: |
10.25682/niisi.2020.2.0009 |
| Αριθμός Καταχώρησης: |
edsair.doi...........798e702183eeae82f6ebd5bcb8846a0c |
| Βάση Δεδομένων: |
OpenAIRE |