Journal international d'intelligence d'essaim et de calcul évolutif

Abstrait

Algorithme de recherche d'harmonie mémétique basé sur l'évolution différentielle multi-objectif des réseaux neuronaux à pointes en évolution

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

Le réseau neuronal à pics (SNN) joue un rôle essentiel dans les problèmes de classification. Bien qu'il existe de nombreux modèles de SNN, le réseau neuronal à pics évolutif (ESNN) est largement utilisé dans de nombreux travaux de recherche récents. Les algorithmes évolutionnaires, principalement l'évolution différentielle (DE), ont été utilisés pour améliorer l'algorithme ESNN. Cependant, de nombreux problèmes d'optimisation du monde réel incluent plusieurs objectifs contradictoires. Plutôt qu'une optimisation unique, l'optimisation multi-objectif (MOO) peut être utilisée comme un ensemble de solutions optimales pour résoudre ces problèmes. Dans cet article, la recherche d'harmonie (HS) et l'approche mémétique ont été utilisées pour améliorer les performances de MOO avec ESNN. Par conséquent, l'évolution différentielle multi-objectif de recherche d'harmonie mémétique avec réseau neuronal à pics évolutif (MEHSMODEESNN) a été appliquée pour améliorer la structure et les taux de précision de l'ESNN. Des ensembles de données standard issus de l'apprentissage automatique UCI sont utilisés pour évaluer les performances de ce modèle hybride multi-objectif amélioré. Les résultats expérimentaux ont prouvé que le réseau neuronal à pics évolutifs multi-objectifs Memetic Harmony Search (MEHSMODE-ESNN) donne de meilleurs résultats en termes de précision et de structure de réseau.