群知能と進化的計算の国際ジャーナル

概要

進化するスパイキングニューラルネットワークの多目的差分進化に基づくミーム調和探索アルゴリズム

アブドゥルラザク・ヤヒヤ・サレハ*、シティ・マリヤム・シャムスディン、ハザ・ヌズリー・アブドゥル・ハメド

スパイキング ニューラル ネットワーク (SNN) は、分類問題で重要な役割を果たします。SNN のモデルは多数ありますが、最近の多くの研究では進化型スパイキング ニューラル ネットワーク (ESNN) が広く使用されています。進化型アルゴリズム、主に微分進化 (DE) は、ESNN アルゴリズムの強化に使用されてきました。ただし、現実世界の最適化問題の多くには、矛盾する目的が複数含まれています。単一の最適化ではなく、多目的最適化 (MOO) を最適なソリューションのセットとして利用して、これらの問題を解決できます。この論文では、ハーモニー サーチ (HS) とミーム アプローチを使用して、ESNN を使用した MOO のパフォーマンスを改善しました。その結果、ミーム ハーモニー サーチ多目的微分進化と進化型スパイキング ニューラル ネットワーク (MEHSMODEESNN) を適用して、ESNN 構造と精度率を改善しました。UCI 機械学習の標準データ セットを使用して、この強化された多目的ハイブリッド モデルのパフォーマンスを評価しました。実験結果により、進化型スパイキングニューラルネットワークを使用した Memetic Harmony Search Multi-Objective Differential Evolution (MEHSMODE-ESNN) が、精度とネットワーク構造の点で優れた結果をもたらすことが証明されました。