Biblioteca122.739 documentos en línea

Artículo

Evolutionary Spiking Neural Networks for Solving Supervised Classification ProblemsRedes neuronales evolutivas con picos para resolver problemas de clasificación supervisada

Resumen

Este trabajo presenta una metodología basada en la evolución gramatical (GE) para el diseño automático de redes neuronales artificiales (RNA) de tercera generación, también conocidas como redes neuronales de espigas (SNN), para la resolución de problemas de clasificación supervisada. La propuesta realiza el diseño de las SNNs explorando el espacio de búsqueda de topologías feedforward de tres capas con conexiones sinápticas configuradas (pesos y retardos) de forma que no se realiza un entrenamiento explícito. Además, las SNNs diseñadas tienen conexiones parciales entre las capas de entrada y las ocultas, lo que puede contribuir a evitar redundancias y a reducir la dimensionalidad de los vectores de características de entrada. La propuesta se probó en varios conjuntos de datos de referencia conocidos del repositorio de la UCI y se comparó estadísticamente con una metodología de diseño similar para RNAs de segunda generación y con una versión adaptada de esa metodología para SNNs; además, los resultados de las dos metodologías y de la propuesta se mejoraron cambiando la función de fitness en el proceso de diseño. La metodología propuesta muestra resultados competitivos y consistentes, y las pruebas estadísticas apoyan la conclusión de que los diseños producidos por la propuesta se comportan mejor que los producidos por otras metodologías.

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento