स्वार्म इंटेलिजेंस और इवोल्यूशनरी कंप्यूटेशन का अंतर्राष्ट्रीय जर्नल

अमूर्त

विकासशील स्पाइकिंग न्यूरल नेटवर्क के बहु-उद्देश्यीय विभेदक विकास पर आधारित मेमेटिक हार्मोनी खोज एल्गोरिथ्म

अब्दुलरज़ाक याहया सालेह*, सती मरियम शम्सुद्दीन और हाज़ा नुज़ली अब्दुल हमीद

स्पाइकिंग न्यूरल नेटवर्क (SNN) वर्गीकरण समस्याओं में एक आवश्यक भूमिका निभाता है। हालाँकि SNN के कई मॉडल हैं, लेकिन इवॉल्विंग स्पाइकिंग न्यूरल नेटवर्क (ESNN) का इस्तेमाल कई हालिया शोध कार्यों में व्यापक रूप से किया जाता है। ESNN एल्गोरिदम को बढ़ाने के लिए विकासवादी एल्गोरिदम, मुख्य रूप से अंतर विकास (DE) का इस्तेमाल किया गया है। हालाँकि, कई वास्तविक दुनिया अनुकूलन समस्याओं में कई विरोधाभासी उद्देश्य शामिल हैं। एकल अनुकूलन के बजाय, इन समस्याओं को हल करने के लिए इष्टतम समाधानों के एक सेट के रूप में बहु-उद्देश्यीय अनुकूलन (MOO) का उपयोग किया जा सकता है। इस शोधपत्र में, ESNN के साथ MOO के प्रदर्शन को बेहतर बनाने के लिए हार्मनी सर्च (HS) और मेमेटिक दृष्टिकोण का उपयोग किया गया था। परिणामस्वरूप, ESNN संरचना और सटीकता दरों को बेहतर बनाने के लिए इवॉल्विंग स्पाइकिंग न्यूरल नेटवर्क (MEHSMODEESNN) के साथ मेमेटिक हार्मनी सर्च मल्टी-ऑब्जेक्टिव डिफरेंशियल इवोल्यूशन लागू किया गया था। इस उन्नत बहु उद्देश्य हाइब्रिड मॉडल के प्रदर्शन का मूल्यांकन करने के लिए UCI मशीन लर्निंग से मानक डेटा सेट का उपयोग किया जाता है। प्रयोगात्मक परिणामों ने साबित कर दिया है कि मेमेटिक हार्मोनी सर्च मल्टी-ऑब्जेक्टिव डिफरेंशियल इवोल्यूशन विद इवोल्विंग स्पाइकिंग न्यूरल नेटवर्क (MEHSMODE-ESNN) सटीकता और नेटवर्क संरचना के संदर्भ में बेहतर परिणाम देता है।