Показать сокращенную информацию

Akhmedova, Shakhnaz A.en
Stanovov, Vladimir V.en
Semenkin, Eugene S.en
Ахмедова, Шахназ А.ru_RU
Становов, Владимир В.ru_RU
Семенкин, Евгений С.ru_RU
2018-04-17T04:57:30Z
2018-04-17T04:57:30Z
2018-06
https://elib.sfu-kras.ru/handle/2311/71032
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 confirmeden
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.ru_RU
enen
Сибирский федеральный университет. Siberian Federal Universityen
co-operationen
bio-inspired algorithmsen
differential evolutionen
neural networksen
classificationen
кооперацияru_RU
бионические алгоритмыru_RU
дифференциальная эволюцияru_RU
нейронные сетиru_RU
классификацияru_RU
Cooperation of Bio-inspired and Evolutionary Algorithms for Neural Network Designen
Кооперация бионического и эволюционного алгоритмов для задач проектирования искусственных нейронных сетейru_RU
Journal Articleen
Akhmedova, Shakhnaz A.: Reshetnev Siberian State University of Science and Technology Krasnoyarskiy Rabochiy, 31, Krasnoyarsk, 660037 Russia; shahnaz@inbox.ruen
Stanovov, Vladimir V.: Reshetnev Siberian State University of Science and Technology Krasnoyarskiy Rabochiy, 31, Krasnoyarsk, 660037 Russia; vladimirstanovov@yandex.ruen
Semenkin, Eugene S.: Reshetnev Siberian State University of Science and Technology Krasnoyarskiy Rabochiy, 31, Krasnoyarsk, 660037 Russia; eugenesemenkin@yandex.ruen
Ахмедова, Шахназ А.: Сибирский государственный университет науки и технологий им. М. Ф.Решетнева Красноярский рабочий, 31, Красноярск, 660037 Россияru_RU
Становов, Владимир В.: Сибирский государственный университет науки и технологий им. М. Ф.Решетнева Красноярский рабочий, 31, Красноярск, 660037 Россияru_RU
Семенкин, Евгений С.: Сибирский государственный университет науки и технологий им. М. Ф.Решетнева Красноярский рабочий, 31, Красноярск, 660037 Россияru_RU
148–158ru_RU
Журнал Сибирского федерального университета. Математика и физика. Journal of Siberian Federal University. Mathematics & Physics;2018 11 (2)en


Файлы в этом документе

Thumbnail

Данный элемент включен в следующие коллекции

Показать сокращенную информацию