Многокритериальная оптимизация эволюционирующих сетей прямого распространения
Запропоновано використання багатокритерійного підходу до навчання нейронних мереж прямого розповсюдження, що еволюціонують. Розглянуто загальну структуру таких мереж. Проведено порівняльний аналіз одноцільового, скаляризованого багатокритерійного навчання та багатокритерійного навчання за Парето. Ім...
Збережено в:
| Опубліковано в: : | Проблемы управления и информатики |
|---|---|
| Дата: | 2014 |
| Автори: | , |
| Формат: | Стаття |
| Мова: | Russian |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2014
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/207858 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Многокритериальная оптимизация эволюционирующих сетей прямого распространения / О.Г. Руденко, А.А. Бессонов // Проблемы управления и информатики. — 2014. — № 6. — С. 29-41. — Бібліогр.: 26 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| Резюме: | Запропоновано використання багатокритерійного підходу до навчання нейронних мереж прямого розповсюдження, що еволюціонують. Розглянуто загальну структуру таких мереж. Проведено порівняльний аналіз одноцільового, скаляризованого багатокритерійного навчання та багатокритерійного навчання за Парето. Імітаційне моделювання за наявністю завад вимірювань з різними законами розподілу підтвердило ефективність запропонованого підходу.
It is proposed to utilize multicriteria approach to training evolutionary feedforward neural networks. The general structure of such neural networks is considered. A comparative analysis of single-objective, scalarized multiobjective learning and Paretobased multiobjective learning is performed. Simulation with the presence of noisy measurements with different distribution laws has confirmed the effectiveness of the suggested approach.
|
|---|---|
| ISSN: | 0572-2691 |