TY  - THES
A3  - Lippe, Wolfram-Manfred
AB  - Diese Dissertation betrifft das Lernen in künstlichen neuronalen Netzen und präsentiert einen neuen evolutionären Algorithmus (Network-Weight-based Evolutionary Algorithm, NWEA), der zusätzliche Mechanismen der Natur in Computational Evolution involviert. NWEA ist eine Lernstrategie, die Information über die Position des Individuums im Suchraum, seine Güte und ANN Topologie in dem Modifikationsmechanismus enthält. Der Grundgedanke von NWEA war eine Verhaltensadaptation neben der strukturellen Adaptation durchzuführen und damit die Verbindung zwischen Individuen und Umwelt zu ermöglichen. Der NWEA Modifikationsstrategie nutzt sowohl Genotyp als auch Phänotyp Information im Evolutionsprozess. Genotyp Information ist durch den Ausgabefehler des Netzes dargestellt. Phänotyp Information ist in der Komponente network weight integriert, die die Struktur des Netzes beschreibt und von der Gesamtzahl der verbogenen Schichten und der durchschnittlichen Anzahl der verbogenen Neuronen abhängig ist.
AU  - Davoian, Kristina
DA  - 2011
KW  - Künstliche Intelligenz
KW  - Künstliche Neuronale Netze
KW  - Evolutionäre Algorithmen
KW  - Adaptation
KW  - Mutation
KW  - Klassifikation
KW  - Generalization
LA  - eng
PY  - 2011
TI  - Advancing evolution of artifcial neural networks through behavioral adaptation
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:6-71459415133
Y2  - 2024-11-22T02:30:21
ER  -