文献

J-GLOBAL ID：201802282302751572   整理番号：18A0489809

実パラメータ最適化とその応用フィードフォワード神経回路網の訓練のための有効gbest誘導重力探索アルゴリズム【Powered by NICT】

An effective gbest-guided gravitational search algorithm for real-parameter optimization and its application in training of feedforward neural networks

著者 (2件)： Bohat Vijay Kumar (Multimedia and Information Security Research Group, ABV-Indian Institute of Information Technology and Management, Gwalior 474015, India) ,  Arya K.V. (Multimedia and Information Security Research Group, ABV-Indian Institute of Information Technology and Management, Gwalior 474015, India)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 143  ページ： 192-207  発行年： 2018年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 重力探索アルゴリズム(GSA)を数値関数最適化と実世界問題の解法において優れた性能を示したことを最近導入されたメタ発見的方法である。GSAはその探索エージェント間の優れた社会的相互作用を提供する。社会的相互作用は,探索空間の探査をもたらし,GSAに特有な社会的成分を与えた。しかし,社会的相互作用は効率的な方法で良好な解を利用することはできない。この問題を克服するために,gbest導波重力探索アルゴリズム(GG GSA)と名付けた新しいアルゴリズムをGSAの力計算式における大域最良(gbest)溶液を利用して提案されている。最適化アルゴリズムにおけるgbest溶液の使用は困難なタスクであり,時期尚早な収束をもたらすことができる。提案したアルゴリズムでは,gbest溶液を適応的に使用し,探索と利用の間の良好なトレードオフを達成することができる。提案したアルゴリズムの性能は異なった組有名なベンチマークテスト関数のGSAとその変異体と比較した。実験結果はGG GSAは最もベンチマークテスト関数の他のアルゴリズムよりも優れていることを示した。さらに,実世界応用を解くための提案したアルゴリズムの能力を試験するために,フィードフォワードニューラルネットワーク問題の訓練が選択される。結果は実世界データセットにGG GSAの例外的な性能を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *フィードフォワード ,  エージェント ,  発見的方法 ,  *神経回路網 ,  *アルゴリズム ,  *重力
準シソーラス用語： フィードフォワードニューラルネットワーク ,  ベンチマークテスト ,  最適アルゴリズム ,  計算式 ,  探索空間 ,  社会的相互作用 ,  関数最適化 ,  *探索アルゴリズム ,  *パラメータ最適化 , 【Automatic Indexing@JST】

著者キーワード (6件)： 重力探索アルゴリズム ,  GSA ,  CEC2014 ,  社会的成分 ,  gbest ,  フィードフォワード神経回路網の訓練

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： パラメータ最適化 ,  応用 ,  フィードフォワード ,  神経回路網 ,  訓練 ,  誘導 ,  重力 ,  探索アルゴリズム