Open Daily: 10am - 10pm | Alley door pickup 10am - 7pm 3038 Hennepin Ave Minneapolis, MN
612-822-4611

  • Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Algoritmos evolutivos multiobjectivo de redes neuronais de espigões

Algoritmos evolutivos multiobjectivo de redes neuronais de espigões

Saleh, Abdulrazak Yahya

Paperback

General Computers

ISBN10: 620855747X
ISBN13: 9786208557478
Publisher: Edicoes Nosso Conhecimento
Published: Feb 1 2025
Pages: 60
Weight: 0.21
Height: 0.14 Width: 6.00 Depth: 9.00
Language: Portuguese
As redes neuronais de estimulação (SNN) desempenham um papel essencial nos problemas de classificação. Embora existam muitos modelos de SNN, a Evolving Spiking Neural Network (ESNN) é amplamente utilizada em muitos trabalhos de investigação recentes. Os algoritmos evolutivos, principalmente a evolução diferencial (DE), têm sido utilizados para melhorar o algoritmo ESNN. No entanto, muitos problemas de otimização do mundo real incluem vários objectivos contraditórios. Neste livro, a Harmony Search (HS) e a abordagem memética foram utilizadas para melhorar o desempenho da MOO com ESNN. Consequentemente, foi aplicada a Evolução Diferencial Multi-Objetivo de Pesquisa Harmónica Memetic com Rede Neural Evolutiva (MEHSMODE-ESNN) para melhorar a estrutura da ESNN e as taxas de precisão. São utilizados conjuntos de dados padrão da aprendizagem automática da UCI para avaliar o desempenho deste modelo híbrido multiobjectivo melhorado. Os resultados experimentais provaram que a Evolução Diferencial Multi-Objetivo da Pesquisa Harmónica Memetic com Rede Neural Evolutiva (MEHSMODE-ESNN) dá melhores resultados em termos de precisão e estrutura da rede.

Also from

Saleh, Abdulrazak Yahya

View All

Also in

General Computers

View All