Resumen

Las redes neuronales artificiales de avance de alimentación de múltiples capas son uno de los métodos de minería de datos más utilizados para problemas de clasificación, reconocimiento y predicción. La precisión de clasificación de una red neuronal artificial de avance de alimentación de múltiples capas es proporcional al entrenamiento. Una red neuronal artificial de avance de alimentación de múltiples capas bien entrenada puede predecir correctamente el valor de clase de una muestra no vista si se le proporcionan los pesos óptimos. Determinar los pesos óptimos es un problema de optimización continua no lineal que puede resolverse con algoritmos metaheurísticos. En este artículo, proponemos un nuevo algoritmo de optimización de enjambre de partículas de multimean para el entrenamiento de redes neuronales artificiales de avance de alimentación de múltiples capas. El algoritmo de optimización de enjambre de partículas de multimean propuesto busca de manera más eficiente en el espacio de soluciones con múltiples enjambres y encuentra mejores soluciones que la optimización de en

• Materias:Algoritmo de agrupamiento Reconocimiento de caracteres Reconocimiento de entidades nombradas Algoritmos de recomendación Tecnologías de contenedores
• Subjects:Clustering algorithm Character recognition Named entity recognition Recommendation algorithms Container technologies
• Palabras claves:Redes neuronales artificiales; Alimentación hacia adelante; Multicapa; Entrenamiento; Algoritmo de optimización; Clasificación
• Keywords:Multilayer; Feed-forward; Artificial neural networks; Training; Optimization algorithm; Classification