Обучение искусственной нейронной сети с использованием гибридного алгоритма оптимизации PSOJaya

Метод оптимизации роем частиц (PSO – Particle swarm optimization) и Jaya – это эвристические алгоритмы оптимизации, которые используются для поиска оптимальных решений в задачах оптимизации. Каждый из этих методов имеет свои сильные и слабые стороны, и выбор между ними зависит от конкретной задачи оптимизации и требований к производительности. В данной работе предлагается гибрид алгоритмов PSO и Jaya для повышения эффективности оптимизации. В этой статье PSO, Jaya, PSOJaya используются в качестве методов обучения искусственной нейронной сети (ИНС) для задачи классификации набора данных Balance Scale. Результаты работы гибридного алгоритма сравниваются с результатами алгоритмов Backpropagation (метод обратного распространения ошибки), PSO, Jaya. В тестовых расчетах алгоритмы сравниваются на основе среднего значения, медианы, стандартного отклонения и «лучшего» минимального значения ошибок после 30 симуляций. Результаты эксперимента показывают, что ИНС, обученная с помощью PSOJaya, имеет лучшую точность, чем обученные с помощью Backpropagation, PSO и Jaya.