SciELO - Scientific Electronic Library Online

 
vol.12 número1Clasificación morfológica de células endoteliales de venas de cordón umbilical humano (HUVEC) en imágenes digitalesArquitectura tecnológica loT para la trazabilidad de productos frescos índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

  • Não possue artigos citadosCitado por SciELO

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Revista Cubana de Ciencias Informáticas

versão On-line ISSN 2227-1899

Resumo

ROJAS DELGADO, Jairo  e  TRUJILLO RASUA, Rafael. Algoritmo meta-heurístico Firefly aplicado al pre-entrenamiento de redes neuronales artificiales. Rev cuba cienc informat [online]. 2018, vol.12, n.1, pp.14-27. ISSN 2227-1899.

El campo de investigaciones referente a las Redes Neuronales Artificiales (RNA) es uno de los más activos en la comunidad científica con múltiples aplicaciones recientes. El algoritmo Firefly ha sido empleado con éxito en el pre-entrenamiento de RNAs con el objetivo de evitar la convergencia en mínimos locales de métodos de entrenamiento convencionales como el algoritmo Stochastic Gradient Descent (SGD). Sin embargo, en redes con un considerable número de parámetros, el pre-entrenamiento pasa a ser un problema de optimización en espacios de elevada dimensionalidad, y la aplicación del algoritmo Firefly, así como cualquier meta-heurística, presenta limitaciones computacionales a considerar. En este trabajo se investiga una variante del algoritmo Firefly que permite entrenar una RNA con un subconjunto del conjunto de patrones de entrenamiento original sin disminuir la precisión.

Palavras-chave : aprendizaje profundo; firefly; mínimo local; pre-entrenamiento; redes neuronales artificiales.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )

 

Creative Commons License Todo o conteúdo deste periódico, exceto onde está identificado, está licenciado sob uma Licença Creative Commons