XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: QUANTUM-INSPIRED EVOLUCIONARY ALGORITHM WITH MIXED REPRESENTATION AND WEIGHT DECAY APPLIED TO NEUROEVOLUTION Autor: ANTONIO CESAR DE OLIVEIRA PITTA BOTELHO
Instituição: -
Colaborador(es):
-
Nº do Conteudo: 23603
Catalogação: 28/10/2014 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: PAPER
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23603@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23603@2
Referência DOI: https://doi.org/10.17771/PUCRio.IRR.23603
Resumo:
Título: QUANTUM-INSPIRED EVOLUCIONARY ALGORITHM WITH MIXED REPRESENTATION AND WEIGHT DECAY APPLIED TO NEUROEVOLUTION Autor: ANTONIO CESAR DE OLIVEIRA PITTA BOTELHO
Nº do Conteudo: 23603
Catalogação: 28/10/2014 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: PAPER
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23603@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23603@2
Referência DOI: https://doi.org/10.17771/PUCRio.IRR.23603
Resumo:
Quantum-inspired evolutive algorithms represent one of the most recent
advances in evolutionary computation. They have been used to evolve artificial neural
networks in contrast to traditional training methods based on the decreasing gradient
and backpropagation. The algorithm used in this work was to Quantum-Inspired
Evolucionary algorithm for Neuro-evolution with binary-real representation (QIENBR)
developed for modeling neural networks of multilayer perceptron and used to
problems of pattern classification. The regularization technique called weight decay aims to make the weights who have little or no influence on the network, take values close to zero, with this reducing
network complexity and improving their ability to generalize. This work implements weight decay in the algorithm QIEN-BR and to evaluates the performance of the new algorithm, we will use three benchmark cases of classification. The results will be compared with those obtained with the original algorithm.
Descrição | Arquivo |
COMPLETE |