Variants of Memetic and Hybrid Learning of Perceptron Networks

Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F07%3A00087710" target="_blank" >RIV/67985807:_____/07:00087710 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—

Result language
angličtina
Original language name
Variants of Memetic and Hybrid Learning of Perceptron Networks
Original language description
Hybrid models combining neural networks and genetic algorithms have been studied recently in order to achieve better performance and/or faster training. In this paper we deal with variants of memetic genetic learning applied for the structure optimization and weights evolution of multilayer perceptron networks. The memetic approach combines genotype and phenotype evolution together with local search represented here by gradient based optimization. It is shown, that combining memetic algorithms with neural networks can lead to better results than relying on neural networks alone in terms of the quality of the solution (both training and generalization error).
Czech name
Varianty memetického a hybridního učení perceptronových sítí
Czech description
V článku uvažujeme varianty memetického genetického učení struktury a vah vícevrstvé perceptronové sítě. Memetický přístup kombinuje genotypovou a fenotypovou evoluci s lokálním prohledáváním reprezentovaným gradientní optimalizací. Kombinace memetickéhoalgoritmu a neuronové sítě vede k lepším výsledkům (učící í generalizační chyba).

Project
<a href="/en/project/1ET100300414" target="_blank" >1ET100300414: Intelligent methods for incresing of reliability of electrical networks</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year
2007
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Similar results(10)