A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Evolutional Design and Training Algorithm for Feedforward Neural Networks Algoritmo de design evolutivo e treinamento para redes neurais feedforward

Hiroki TAKAHASHI, Masayuki NAKAJIMA

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

No reconhecimento de padrões usando redes neurais, é muito difícil para pesquisadores ou usuários projetarem uma arquitetura de rede neural ideal para uma tarefa específica. É possível que qualquer tipo de arquitetura de rede neural obtenha uma certa medida de taxa de reconhecimento. É, no entanto, difícil obter analiticamente uma arquitetura de rede neural ideal para uma tarefa específica na relação de reconhecimento e eficácia do treinamento. Neste artigo, é proposto um método evolutivo de treinamento e projeto de redes neurais feedforward. No método proposto, uma rede neural é definida como um indivíduo e redes neurais cujas arquiteturas são iguais às de uma espécie. Essas redes são avaliadas pelo MSE (Mean Square Error) normalizado que apresenta o desempenho de uma rede para padrões de treinamento. Então, suas arquiteturas evoluem de acordo com uma regra de evolução aqui proposta. Arquiteturas de redes neurais, ou seja, espécies, são avaliadas por outra medida de critérios comparada com os critérios dos indivíduos. Os critérios avaliam o indivíduo mais superior da espécie e a velocidade de evolução da espécie. As espécies aumentam ou diminuem em tamanho populacional de acordo com os critérios. A regra da evolução gera arquiteturas de rede neural um pouco diferentes das espécies superiores. O método proposto, portanto, pode gerar diversas arquiteturas de redes neurais. O projeto e treinamento de redes neurais que executam 3 simples 3 e 4 São apresentados 4 pixels que incluem classificações de linhas verticais, horizontais e oblíquas e reconhecimentos KATAKANA manuscritos. A eficiência do método proposto também é discutida.

Publicação
IEICE TRANSACTIONS on Information Vol.E82-D No.10 pp.1384-1392
Data de publicação
1999/10/25
Publicitada
ISSN online
DOI
Tipo de Manuscrito
PAPER
Categoria
Processamento de imagens, computação gráfica e reconhecimento de padrões

autores

Palavra-chave