his.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Metoder för reducerad träning vid Neuro-Evolution
University of Skövde.
1998 (Swedish)Independent thesis Basic level (degree of Bachelor)Student thesis
Abstract [sv]

Vid designande av artificiella nätverk (ANN) är en viktig fas att identifiera en bra topologi. Topologin har betydelse för hur väl ett ANN klara att klassificera tidigare osedd data och även hur väl ett ANN klarar av att klassificera generellt. Ett sätt att automatisera detta designarbete är att använda genetiska algoritmer. Att använda GA för att evolvera ANN kallas neuroevolution.

Vid användande av neuroevolution sker en automatisering av nätverksdesignen. Men eftersom GA använder en population, d.v.s. en mängd av nätverk i detta fall, och alla dessa nätverk behöver tränas ett antal träningsepoker så blir denna automatisering tids och resurskrävande. Just träningen av ANN har en stor betydelse för hur lång tid evolutionsprocessen tar.

I detta arbete har fyra olika metoder för reducering av träning vid neuroevolution identifierats. Av dessa identifierade metoder har tre metoder ansetts tillräckligt lovande att utföra tester med. Dessa tre kvarvarande har implementerats och testats på två olika problemtyper. Använda testproblem är åtta bitars paritetsproblem och ett klassificeringsproblem rörande klassificering av bilder på träd (tall och gran).

Metoderna har utvärderats teoretiskt och även baserat på resultat från experiment. Som bedömningskriteria har resulterande nätverks klassificeringsförmåga, storlek hos resulterande nätverk och hur stor minskningen av antal använda träningsepoker är.

Place, publisher, year, edition, pages
1998. , 54 p.
National Category
Information Science
Identifiers
URN: urn:nbn:se:his:diva-153OAI: oai:DiVA.org:his-153DiVA: diva2:2501
Presentation
(English)
Uppsok
samhälle/juridik
Available from: 2007-10-12 Created: 2007-10-12 Last updated: 2009-06-22

Open Access in DiVA

fulltext(1717 kB)128 downloads
File information
File name FULLTEXT01.psFile size 1717 kBChecksum SHA-1
bbb919efa6c8c4f76c72a5a9fa3236d8dc0559b5158a37d4a4012d3f119aed852875661e
Type fulltextMimetype application/postscript
fulltext(248 kB)79 downloads
File information
File name FULLTEXT02.pdfFile size 248 kBChecksum SHA-512
7045cedae3464f0092828c7ae2207d87267782911aa36e4cecaa2a983e13e62b20ef27151e4a181c243f3419e3cf64e9e7b6bf559c71838b7e53607f0b58ffa9
Type fulltextMimetype application/pdf

By organisation
University of Skövde
Information Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 207 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 164 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf