Wybór korektorów neuronowych przy użyciu algorytmu genetycznego

Name: Wybór korektorów neuronowych przy użyciu algorytmu genetycznego
SKU: 0085940ab7099200490d8fe25fddb225
Price: 29.99 EUR
Availability: InStock

1/1

Afbeelding van Wybór korektorów neuronowych przy użyciu algorytmu genetycznego

Bol

Prijzen vanaf

29,99

Uitgelicht

	29,99	Naar shop
VERGELIJK ALLE AANBIEDERS (1)

Beschrijving

Bol W ci¿gu ostatnich dwóch dekad algorytmy genetyczne i sztuczne sieci neuronowe zostäy po¿¿czone w celu rozwi¿zania kilku problemów. Pierwsze z nich zostäy wykorzystane do pomocy w znalezieniu parametrów i decyzji dotycz¿cych topologii drugich, lub do radzenia sobie z ograniczeniami algorytmów uczenia si¿. Niektóre problemy wymagaj¿ zastosowania sieci neuronowych jako alternatywnego rozwi¿zania, ale w literaturze naukowej rzadko mo¿na znale¿¿ badania opracowuj¿ce metodologi¿ wskazuj¿c¿ najlepsz¿ architektur¿ neuronow¿ odpowiedni¿ dla konkretnego zastosowania. W niniejszej pracy zastosowali¿my algorytm genetyczny do wyszukiwania wag neuronowych i wykorzystali¿my te informacje do wskazania najlepszej struktury oraz pomiaru wydajno¿ci algorytmu uczenia. Jako przyk¿ad do przetestowania proponowanej metodologii wykorzystali¿my problem wyrównania kanäów. Wyniki uzyskane z tego zastosowania s¿ bardzo obiecuj¿ce.

Lees meer

Vergelijk aanbieders (1)

Sorteren op:

€ 29,99 Gratis verzending

Beschrijving (1)

W ci¿gu ostatnich dwóch dekad algorytmy genetyczne i sztuczne sieci neuronowe zostäy po¿¿czone w celu rozwi¿zania kilku problemów. Pierwsze z nich zostäy wykorzystane do pomocy w znalezieniu parametrów i decyzji dotycz¿cych topologii drugich, lub do radzenia sobie z ograniczeniami algorytmów uczenia si¿. Niektóre problemy wymagaj¿ zastosowania sieci neuronowych jako alternatywnego rozwi¿zania, ale w literaturze naukowej rzadko mo¿na znale¿¿ badania opracowuj¿ce metodologi¿ wskazuj¿c¿ najlepsz¿ architektur¿ neuronow¿ odpowiedni¿ dla konkretnego zastosowania. W niniejszej pracy zastosowali¿my algorytm genetyczny do wyszukiwania wag neuronowych i wykorzystali¿my te informacje do wskazania najlepszej struktury oraz pomiaru wydajno¿ci algorytmu uczenia. Jako przyk¿ad do przetestowania proponowanej metodologii wykorzystali¿my problem wyrównania kanäów. Wyniki uzyskane z tego zastosowania s¿ bardzo obiecuj¿ce.

Lees meer