国际群体智能与进化计算杂志

抽象的

基于多目标差分进化脉冲神经网络的模因和声搜索算法

Abdulrazak Yahya Saleh*、Siti Mariyam Shamsuddin 和 Haza Nuzly Abdull Hamed

脉冲神经网络 (SNN) 在分类问题中起着至关重要的作用。尽管 SNN 有很多模型，但进化脉冲神经网络 (ESNN) 在最近的许多研究工作中得到了广泛的应用。进化算法，主要是差分进化 (DE) 已被用于增强 ESNN 算法。然而，许多现实世界的优化问题包含几个相互矛盾的目标。与单一优化相比，多目标优化 (MOO) 可以用作一组最优解来解决这些问题。在本文中，使用和声搜索 (HS) 和模因方法来提高 ESNN 的 MOO 性能。因此，应用模因和声搜索多目标差分进化和进化脉冲神经网络 (MEHSMODEESNN) 来改善 ESNN 结构和准确率。来自 UCI 机器学习的标准数据集用于评估这种增强的多目标混合模型的性能。实验结果证明，模因和声搜索多目标差分进化神经网络（MEHSMODE-ESNN）在准确率和网络结构方面均取得了更优的效果。