Original title: Experiments with Evolutionary and Hybrid Learning of Multi-layer Perceptron Neural Networks
Translated title: Experimenty s evolučním a hybridním učením vícevrstvých perceptronových neuronových sítí.
Authors: Neruda, Roman ; Slušný, Stanislav
Document type: Papers
Conference/Event: Znalosti 2007, Ostrava (CZ), 2007-02-21 / 2007-02-23
Year: 2007
Language: eng
Abstract: [eng] [cze]
Evolutionary learning of neural architectures has been extensively studied with mixed results. Here we show that simple GA alone hardly beats optimized gradient based methods w.r.t. learning time, but the combination in hybrid algorithms brings better approximation error and even smaller networks. Evoluční učení neuronových architektur bylo v minulosti často studováno ovšem se smíšenými výsledky. V této práci ukazujeme, že jednoduchý GA těžko soupěří s časovou složitostí optimalizovaných gradientních algoritmů, ale kombinace v hybridních algoritmech přináší menší aproximační chybu a menší sítě.
Keywords: evolutionary learning; hybrid algorithms; multilayer perceptron
Project no.: CEZ:AV0Z10300504 (CEP), 1ET100300414 (CEP)
Funding provider: GA AV ČR
Host item entry: Znalosti 2007, ISBN 978-80-248-1279-3

Institution: Institute of Computer Science AS ČR (web)
Document availability information: Fulltext is available at the institute of the Academy of Sciences.
Original record: http://hdl.handle.net/11104/0144893

Permalink: http://www.nusl.cz/ntk/nusl-36912


The record appears in these collections:
Research > Institutes ASCR > Institute of Computer Science
Conference materials > Papers