Feedforward neural network training using Grey Wolf Optimizer
Publish place: National Conference of Technology, Energy & Data on Electrical & Computer Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: English
View: 1,133
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TEDECE01_221
تاریخ نمایه سازی: 30 آبان 1394
Abstract:
Grey Wolf Optimizer (GWO) is a metaheuristic optimization method inspired by grey wolves which is suitable for solving optimization problems. The GWO algorithm mimics the leadership hierarchy and hunting mechanism of grey wolves in nature. First, grey wolf optimizer is presented. Next, it is employed for training feedforward neural networks for two benchmark classification problems. Then, the performance of GWO is compared with that of back-propagation (BP) methods. Simulation results demonstrate the effectiveness of the GWO algorithm.
Keywords:
Authors
Nastaran Aaghaee
Electrical Engineering Department Faculty of Engineering, Razi University Kermanshah, Iran
Mohsen Hayati
Electrical Engineering Department Faculty of Engineering, Razi University Kermanshah, Iran
Ehsan Valian
Electrical & Electronic Engineering Department Faculty of Engineering, Shahed University Tehran, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :