# 4

Permanent URI for this community

https://elar.naiau.kiev.ua/handle/123456789/2117

Browse

Browsing # 4 by Author "Шворов, А. С."

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Вирішення оптимізаційної задачі налаштування нейронних мереж із використанням генетичних алгоритмів
    (2013) Лєнков, С. В.; Заєць, Н. А.; Шворов, А. С.; Штепа, В. М.
    Сформульована задача оптимізації вагових коефіцієнтів нейронної мережі прогнозування температурних часових рядів у режимі реального часу. Для вирішення цієї задачі розглядається архітектура нейронної мережі у вигляді багатошарового персептрона з двома нейронами у прихованому шарі. Досліджено можливість ви-користання генетичних алгоритмів для вирішення задач оптимізації нейронних мереж. Відзначені основні відмінності генетичних алгоритмів оптимізації від стан-дартних. Процедура оптимізації за допомогою генетичного алгоритму є ітегра- ційною і включає в себе два етапи: синтез нових хромосом (схрещування і мутація); відбір хромосом у нову популяцію. За об’єкт, на якому було проведено відповідні дослідження, обрано біотехнічний комплекс, що піддається впливу зовнішніх збурень (зовнішньої температури). За допомогою генетичного алгоритму були визначені оптимальні вагові коефіцієнти нейронної мережі типу багатошаровий персептрон із двома нейронами у прихованому шарі з наступними параметрами: кількість хромосом у популяції - 10, кількість популяцій - від 20 до 100, оператор схре¬щування - одноточковий кросинговер, процент генної мутації - 0,001, відбір - елітний.Сформулирована задача оптимизации весовых коэффициентов нейронной сети прогнозирования температурных временных рядов в режиме реального времени. Для решения данной задачи рассматривается архитектура нейронной сети в виде многослойного персептрона с двумя нейронами в скрытом слое. Исследована возможность использования генетических алгоритмов для решения задачи оптимизации нейронных сетей. Определены основные отличия генетических алгоритмов оптимизации от стандартных. Процедура оптимизации с помощью генетического алгоритма является итерационной и включает два этапа: синтез новых хромосом скрещивания и мутации, отбор хромосом для новой популяции. В качестве объекта, на котором проводились соответствующие исследования, был выбран биотехнический комплекс, который подвергался влиянию внешних возмущений (внешней температурой). С помощью генетического алгоритма были определены оптимальные весовые коэффициенты нейронной сети типа многослойного персептрона с двумя нейронами в скрытом слое со следующими параметрами: количество хромосом в популяции - 10, количество популяций - от 20 до 100, оператор скрещивания - одноточечный кросинговер, процент генной мутации - 0,001, отбор - элитный.The task of an optimization of the gravimetric coefficients of neuron network of the prognostication of temperature sentinel rows is formulated. For the decision of this task architecture of neuron network is examined as multi-layered perseptrona with two neurons in the hidden layer. Possibility of the use of genetic algorithms is investigational for the decision of the task of an optimization of neuron networks. Basic differences of genetic algorithms of an optimization are certain from standard one. Procedure of an optimization by a genetic algorithm is an iteration and includes two stages: synthesis of new chromosomes of crossing and mutation, selection of chromosomes in a new population.