Υβριδική υπολογιστική νοημοσύνη: μία πρωτότυπη μεθοδολογία βέλτιστης ρύθμισης νευρωνικών δικτύων με συνδυασμένη χρήση γενετικών αλγορίθμων και τοπικής αναζήτησης

Η ρύθμιση ενός νευρωνικού δικτύου είναι ουσιαστικά ένα ανοικτό πρόβλημα βελτιστοποίησης και ανάγεται στην προσέγγιση ενός πολύπλοκου, μη-γραμμικού μοντέλου. Μιλώντας για βέλτιστο (optimum) εννοούμε μια λύση που βρίσκεται κατά το δυνατόν πλησιέστερα στο ολικό μέγιστο ή ελάχιστο μίας δεδομένης συνάρτη...

Πλήρης περιγραφή

Αποθηκεύτηκε σε:

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Σαλιάρης, Δημήτριος
Άλλοι συγγραφείς:	Δούνιας, Γεώργιος
Γλώσσα:	Greek
Δημοσίευση:	2015
Θέματα:	Υβριδική υπολογιστική νοημοσύνη Ρύθμιση νευρωνικού δικτύου Γενετικοί αλγόριθμοι Τοπική αναζήτηση Βελτιστοποίηση Hybrid computational intelligence Neural network tuning Genetic algorithms Levenberg-Marquardt Optimization
Διαθέσιμο Online:	https://vsmart.lib.aegean.gr/webopac/List.csp?SearchT1=%CE%A5%CE%B2%CF%81%CE%B9%CE%B4%CE%B9%CE%BA%CE%AE+%CF%85%CF%80%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CE%AE+%CE%BD%CE%BF%CE%B7%CE%BC%CE%BF%CF%83%CF%8D%CE%BD%CE%B7&Index1=Keywordsbib&Database=1&SearchMethod=Find_1&SearchTerm1=%CE%A5%CE%B2%CF%81%CE%B9%CE%B4%CE%B9%CE%BA%CE%AE+%CF%85%CF%80%CE%BF%CE%BB%CE%BF%CE%B3%CE%B9%CF%83%CF%84%CE%B9%CE%BA%CE%AE+%CE%BD%CE%BF%CE%B7%CE%BC%CE%BF%CF%83%CF%8D%CE%BD%CE%B7&OpacLanguage=gre&Profile=Default&EncodedRequest=C23FD8F1C6EBF4023rN82BCgMR&EncodedQuery=C23FD8F1C6EBF4023rN82BCgMR&Source=SysQR&PageType=Start&PreviousList=RecordListFind&WebPageNr=1&NumberToRetrieve=50&WebAction=NewSearch&StartValue=0&RowRepeat=0&ExtraInfo=&SortIndex=Year&SortDirection=-1&Resource=&SavingIndicator=&RestrType=&RestrTerms=&RestrShowAll=&LinkToIndex= http://hdl.handle.net/11610/8413
Ετικέτες:	Προσθήκη ετικέτας Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!

Περιγραφή
Περίληψη:	Η ρύθμιση ενός νευρωνικού δικτύου είναι ουσιαστικά ένα ανοικτό πρόβλημα βελτιστοποίησης και ανάγεται στην προσέγγιση ενός πολύπλοκου, μη-γραμμικού μοντέλου. Μιλώντας για βέλτιστο (optimum) εννοούμε μια λύση που βρίσκεται κατά το δυνατόν πλησιέστερα στο ολικό μέγιστο ή ελάχιστο μίας δεδομένης συνάρτησης. Η παρούσα μελέτη αποτελεί μια πειραματική προσέγγιση στο πρόβλημα αυτό και αποσκοπεί στην ανάπτυξη και εφαρμογή μιας τεχνικής που θα επιτυγχάνει αποδοτικότερη και ταχύτερη ρύθμιση, με τη χρήση μεθόδων μηχανικής μάθησης. Αρχικά περιγράφεται η διαδικασία της ρύθμισης ενός νευρωνικού δικτύου και οι μέθοδοι μηχανικής μάθησης που προτείνονται. Στη συνέχεια παρουσιάζεται αναλυτικά το πειραματικό μοντέλο ενός υβριδικού αλγορίθμου, του Tuner, που συνδιάζει δύο μεθόδους βελτιστοποίησης –γενετικός αλγόριθμος και τοπική αναζήτηση- για τη ρύθμιση του νευρωνικού δικτύου. Ο πηγαίος κώδικας για κάθε αλγόριθμο καθώς και όλες οι συναρτήσεις-υποπρογράμματα που χρειάστηκαν για αυτή τη μελέτη έχουν αναπτυχθεί σε περιβάλλον Matlab 7.0.1.

Παρόμοια τεκμήρια