检索结果-内蒙古大学图书馆

Quantum-Inspired Evolutionary algorithms and binary Particle Swarm Optimization for training MLP and SRN neural networks

引用

JOURNAL OF COMPUTATIONAL AND THEORETICAL NANOSCIENCE 2005年第4期2卷 561-568页

作者： Venayagamoorthy, GK Singhal, G Univ Missouri Real Time Power & Intelligent Syst Lab Dept Elect & Comp Engn Rolla MO 65409 USA

This paper presents a comparison of two machine learning methods inspired by nano-scale and macro-scale natural processes and related to distributed intelligence, namely Quantum-Inspired Evolutionary Algorithm (QEA) and binary Particle Swarm Optimization (BPSO). QEA is based on the concepts and principles of Quantum Computing, such as a quantum bit (Q-bit) and superposition of states. QEA uses a Q-bit for the probabilistic representation and a Q-bit individual as a string of Q-bits. A modified QEA with less memory requirements is also presented. The effectiveness of these algorithms in binary search space are compared for training neural networks. Results are presented for Multilayer Perceptrons (MLPs) and Simultaneous Recurrent Neural Networks (SRNs). For neural networks trained on complex nonlinear functions, the QEA based algorithms achieve convergence faster than BPSO.

关键词： Quantum-Inspired Evolutionary algorithms Particle Swarm Optimization Multilayer Perceptron Simultaneous Recurrent Neural Network binary training algorithms

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：