Е-Публикации
Технически университет - София

Абстракт: Генетичните алгоритми като евристичен метод, основан на принципите на естествената селекция, могат успешно да се прилагат при моделирането на проблеми с нелинейна оптимизация и нелинейни целеви функции, включително случаите, когато тези функции не удовлетворяват условия за приемственост. Тази статия анализира генетичните алгоритми и тяхната съвместимост с невронна мрежа. Практическата стойност на работата се състои в адаптирането на система за моделиране и създаване на генетична топология за генериране на невронна мрежа, работеща на реални пазари. Разгледани са основни методи за обучение на невронни мрежи. Особено внимание се обръща на обобщение на оригиналния модел на Хопфийлд, позволяващ изходните стойности на невроните за получаване на реални резултати.

Библиография

Издание

Abstract: Genetic algorithms as a heuristic method based on the principles of natural selection can be successfully applied to the modeling of nonlinear optimization problems and nonlinear objective functions, including cases where these functions do not satisfy continuity conditions. This article analyzes genetic algorithms and their compatibility with a neural network. The practical value of the work lies in the adaptation of a genetic topology modeling and creation system to generate a neural network operating in real markets. Basic methods for training neural networks are reviewed. Particular attention is paid to a generalization of the original Hopfield model, allowing the output values of the neurons to obtain real results.

References

Issue