Проверяемый текст
Комарцова, Людмила Георгиевна; Исследование нейросетевых и гибридных методов и технологий в интеллектуальных системах поддержки принятия решений (Диссертация 2003)
[стр. 72]

72 щие: 1.
окончание выделенного лимита времени (заданного числа итераций) или 2.
функция качества Fit "лучшей" хромосомы достигла определенного значения с заданной точностью.
Для построения эффективного алгоритма обучения нейронной сети,
проведем исследование генетического алгоритма при решении непрерывных задач оптимизации.
Для исследования были выбраны тестовые функции,
на которых тестировались градиентные алгоритмы: Р1:Розенброка, F2: Жилинскаса, F4: Химельблау [102], а также добавлены другие функции характеризующиеся различным количеством оптимизируемых параметров, числом экстремумов как локальных, так и глобальных, видом области поиска.
Цель
исследований накопление достаточного опыта для создания генетических алгоритмов, обеспечивающих наиболее эффективное решение оптимизационной задачи поиска минимума ошибки обучения Ео .
F3: функция Пауэлла: 8 -•*Ь*4*5*6*7*8> -=1 , £ = 0.0016/(0.01 + mf), т \ Н ~ х \ ~~ 1'-Зх2 + 4.15 х3 + 0.5.v4 + *5 +1.8д:6 — х 7 — x z \, Ограничения: Ю< ^ <10, i 1,2,,..,8 Минимум: ^ (х *) = -1.
F6: Функция п переменных: (2.31).
[стр. 154]

Для построения эффективного алгоритма обучения нейронной сети, повышающего вероятность нахождения глобального минимума ошибки обучения и скорость сходимости к экстремуму, проведем исследование генетического алгоритма при решении непрерывных задач оптимизации.
Выбор тестовых задач Для исследования были выбраны тестовые функции, характеризующиеся различным количеством оптимизируемых параметров, числом экстремумов как локальных, так и глобальных, видом области поиска.
Цель
исследовании накопление достаточного опыта для создания генетических алгоритмов, обеспечивающих наиболее эффективное решение оптимизационной задачи поиска минимума ошибки обучения Е( 1.
/П: функция Розенброка [131]: 7*4(эс,,х2,х3,дг4) = 100(л:2 х 2)2 + ( 1 х .) 2 Ограничения: —10<*, < 10, / = 1,2.
Минимум: F(X*) = 0 .
2.
Функция Жилинскаса [130]: 2 ^(х!,х2) —х{ + х\ Соу18*.
Сов1&х2 Ограничения: 0 < *,• < 2 к .
Минимум: F(X*) 2 3.
функция Пауэлла [130]: ^(л:,,хг,дг3,х4) = (х, -Ь10х2) 2 +5(х3 -л :4) 2 +(х2 -2 х 3) 4 +10(х, -дг4) 4 Ограничения: —10< х, < 10, / = 1,2 ,3,4.
Минимум: /Г(Х*) = 0 .
153

[Back]