Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
In this paper, a diversity guided particle swarm optimization (DGPSO-BP) guided by diversity and fitness value is firstly proposed to address two problems: premature convergence in the standard PSO and longer searching time brought by the optimization of the PSO. Further, the DGPSO-BP is combined with back-propagation (BP) for feed forward neural networks to avoid the problem of being trapped into...
In this paper, an improved particle swarm optimization (PSO) with the improved diversity is proposed to train feedforward neural networks (FNN). In this algorithm, first, the PSO algorithm is used to train the FNN. Second, when the particle swarm is trapped into local minima or loses its diversity, each particle in the swarm and its best position (Pb) are interrupted by a random function in order...
In this paper, a new approach for function approximation problem is proposed to obtain better generalization performance and faster convergent rate. It is well known that gradient-based learning algorithm for feedforward neural networks (FNN) such as backpropagation (BP) algorithm is apt to be trapped in local minima, which leads to worse generalization performance and slower convergence rate. Therefore,...
In this paper, a new learning algorithm which encodes a priori information into feedforward neural networks is proposed for function approximation problem. The algorithm incorporates two kinds of constraints into single hidden layered feedforward neural networks, which are architectural constraints and connection weight constraints, respectively, from a priori information of function approximation...
Podaj zakres dat dla filtrowania wyświetlonych wyników. Możesz podać datę początkową, końcową lub obie daty. Daty możesz wpisać ręcznie lub wybrać za pomocą kalendarza.