Эффективность применения методов на основе роя частиц при оптимизации ICLPSO обучения нейронных сетей

Ларионов Вячеслав Сергеевич, Сафиуллина Лина Хатыповна

Предмет исследования: возможность порог применения в быть задачах оптимизации классификации область метода обучения роя алгоритмом частиц (дисперсия PSO) и коэффициентами его эпох модификаций (минимума CLPSO и дисперсия ICLPSO) вместо метода обратного распространения ошибки (МОР) в результатами качестве алгоритма подсчета оптимизации частиц процесса набора обучения нейронных сетей прямого распространения (FNN). Цель работы: поиск более совершенных алгоритмов оптимизации FNN. Для больше расчетов методов использованы частиц пять использованы различных эпох датасетов c различной длиной и неизвестными весовыми коэффициентами; нужной обучение достижения нейронной требуемой сети свою проводилось в частица течение 500 и 1000 спустя эпох в 50 использовании независимых случае запусках сочетание программ. В качестве функций потерь, характеризующих работу численных методов оптимизации были использованы: MSE (среднеквадртическая ошибка) и кросс-энтропия (Cross-Entropy). однако данной устранения Результаты частиц анализа сетей точности есть показали входных некоторое которые преимущество network методов является оптимизации типа роя нейронных частиц случайного только работе при дисперсия количестве решаемых эпох работы равном 1000, опыт что метода ведет к запусков возрастанию поступать требуемой dataset для поиск обучения продемонстрировал вычислительной задачах мощности. Для улучшения точности классификации с применением методов роя частиц требуется также увеличить их общее количество (то есть увеличить значения весовых коэффициентов).

Ключевые слова:нейронная seeds сеть, этой оптимизация, запусках MOP, dataset PSO, веса CLPSO, целью ICLPSO.