Ameta-heuristiccalledCo-Operationof Biology-RelatedAlgorithms (COBRA) witha fuzzycontroller, as well asa new algorithmbased on thecooperationof Differential Evolution and Particle Swarm Optimization (DE+PSO) and developed for solving real-valued optimization problems, were applied to the design of artificial neural networks. The usefulness and workability of both meta-heuristic approaches were demonstrated on various benchmarks. The neural network’s weight coefficients represented as a string of real-valued variables are adjusted with the fuzzy controlled COBRA or with DE+PSO. Two classification problems (image and speech recognition problems) were solved with these approaches. Experiments showedthatbothcooperative optimizationtechniques demonstratehighperformanceandreliabilityinspite of the complexity of the solved optimization problems. The workability and usefulness of the proposed meta-heuristic optimization algorithms are confirmed.
Разработанные кооперативный бионический алгоритм (COBRA) на основе нечеткого контроллераи новый коллективный алгоритм набазе дифференциальной эволюциии метода роя частиц (DE+PSO) для решения задач оптимизации функций вещественных переменных были применены для проектирования искусственных нейронных сетей.Работоспособностьицелесообразность применения обеих мета-эвристик были продемонстрированы на множестве тестовых задач. Весовые коэффициенты нейронных сетей были представленыв виде вещественных переменных, которые настраивались алгоритмами COBRA с нечетким контроллером или DE+PSO. Полученными нейросетями были решены две задачи классификации (задачи распознавания образов и речи). Исследования показали, что обаалгоритмаработаютэффективно, несмотря насложность задач. Таким образом, была подтверждена их работоспособность на практических задачах.