Resumen

Optimizar la topología de una red neuronal es un problema difícil por al menos dos razones: el espacio de la topología es discreto, y la calidad de cualquier topología dada debe evaluarse asignando muchos conjuntos diferentes de pesos a sus conexiones. Estas dos características tienden a provocar funciones objetivo muy "toscas". Aquí demostramos cómo el autoensamblaje (SA) y la optimización por enjambre de partículas (PSO) pueden integrarse para proporcionar un medio novedoso y eficaz de optimizar simultáneamente los pesos y la topología de una red neuronal. La combinación de SA y PSO aborda dos retos fundamentales. En primer lugar, crea una representación más integrada de los pesos y la topología de la red neuronal, de modo que tenemos un único dominio de búsqueda continuo que permite funciones objetivo más "suaves". En segundo lugar, amplía el enfoque tradicional del autoensamblaje, desde el crecimiento de estructuras objetivo predefinidas, hasta el autoensamblaje funcional, en el que el crecimiento está impulsado por criterios de optimalidad definidos en términos del rendimiento de las estructuras emergentes en problemas computacionales predefinidos. Nuestro modelo incorpora una nueva forma de ver la PSO que implica una población de redes en crecimiento e interacción, en contraposición a las partículas. La eficacia de nuestro método para optimizar los pesos y las topologías de las redes de eco-estado se demuestra a través de su rendimiento en una serie de desafiantes problemas de referencia.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:red neuronal, función de objetivos, topología, conjunto de pesos, problema de referencia desafiante, peso de la red neuronal, problema computacional predefinido, muchos conjuntos diferentes, montaje, pso
• Keywords:neural network, objectives function, topology, set of weight, challenging benchmark problem, neural network weight, predefined computational problem, many different set, assembly, pso