Cooperation of Bio-inspired and Evolutionary Algorithms for Neural Network Design
View/ Open:
URI (for links/citations):
https://elib.sfu-kras.ru/handle/2311/71032Author:
Akhmedova, Shakhnaz A.
Stanovov, Vladimir V.
Semenkin, Eugene S.
Ахмедова, Шахназ А.
Становов, Владимир В.
Семенкин, Евгений С.
Date:
2018-06Journal Name:
Журнал Сибирского федерального университета. Математика и физика. Journal of Siberian Federal University. Mathematics & Physics;2018 11 (2)Abstract:
A meta-heuristic called Co-Operation of Biology-Related Algorithms (COBRA) with a fuzzy controller, as
well as a new algorithm based on the cooperation of Differential Evolution and Particle Swarm Optimiza-
tion (DE+PSO) and developed for solving real-valued optimization problems, were applied to the design
of artificial neural networks. The usefulness and workability of both meta-heuristic approaches were
demonstrated on various benchmarks. The neural network’s weight coefficients represented as a string
of real-valued variables are adjusted with the fuzzy controlled COBRA or with DE+PSO. Two classifica-
tion problems (image and speech recognition problems) were solved with these approaches. Experiments showed that both cooperative optimization techniques demonstrate high performance and reliability in spite of the complexity of the solved optimization problems. The workability and usefulness of the proposed meta-heuristic optimization algorithms are confirmed Разработанные кооперативный бионический алгоритм (COBRA) на основе нечеткого контроллера и новый коллективный алгоритм на базе дифференциальной эволюции и метода роя частиц
(DE+PSO) для решения задач оптимизации функций вещественных переменных были применены для проектирования искусственных нейронных сетей. Работоспособность и целесообразность
применения обеих мета-эвристик были продемонстрированы на множестве тестовых задач. Весовые коэффициенты нейронных сетей были представлены в виде вещественных переменных, которые настраивались алгоритмами COBRA с нечетким контроллером или DE+PSO. Полученными нейросетями были решены две задачи классификации (задачи распознавания образов и речи). Исследования показали, что оба алгоритма работают эффективно, несмотря на сложность задач. Таким образом, была подтверждена их работоспособность на практических задачах.