Jornal Internacional de Swarm Intelligence e Computação Evolutiva

Abstrato

Algoritmo de busca de harmonia memética baseado na evolução diferencial multi-objectivo de redes neuronais em evolução

Abdulrazak Yahya Saleh*, Siti Mariyam Shamsuddin e Haza Nuzly Abdull Hamed

O spiking neural network (SNN) desempenha um papel essencial em 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 objetivos contraditórios. Em vez da otimização única, a Otimização Multiobjetivo (MOO) pode ser utilizada como um conjunto de soluções ótimas para resolver estes problemas. Neste artigo, foi utilizada a abordagem Harmony Search (HS) e memética para melhorar o desempenho do MOO com ESNN. Consequentemente, a Evolução Diferencial Multiobjetiva da Pesquisa de Harmonia Memética com Rede Neural Evolutiva de Spiking (MEHSMODEESNN) foi aplicada para melhorar a estrutura ESNN e as taxas de precisão. Os conjuntos de dados padrão da aprendizagem automática UCI são utilizados para avaliar o desempenho deste modelo híbrido multiobjetivo melhorado. Os resultados experimentais provaram que a evolução diferencial multi-objectivo da procura de harmonia memética com rede neural de pico em evolução (MEHSMODE-ESNN) oferece melhores resultados em termos de precisão e estrutura de rede.