Learning of Multilayer Perceptrons with Piecewise-Linear Activation Functions

0320845 - ÚI 2009 CZ eng K - Conference Paper (Czech conference)
Kozub, P. - Holeňa, Martin
Learning of Multilayer Perceptrons with Piecewise-Linear Activation Functions.
[Učení vícevrstvých perceptronů s po částech lineárními aktivačními funkcemi.]
MIS 2008. Praha: Matfyzpress, 2008 - (Obdržálek, D.; Štanclová, J.; Plátek, M.), s. 27-46. ISBN 978-80-7378-076-0.
[MIS 2008. Malý informatický seminář /25./. Josefův důl (CZ), 12.01.2008-19.01.2008]
R&D Projects: GA ČR GA201/08/0802; GA ČR GA201/08/1744
Institutional research plan: CEZ:AV0Z10300504
Keywords : artificial neural networks * multilayer perceptrons * activation functions * function approximation * constrained optimization
Subject RIV: IN - Informatics, Computer Science

This paper presents an overview of the techniques used to solve constrained optimization problems using evolutionary algorithms. The construction of the fitness function together with the handling of feasible and infeasible individuals is discussed. Approaches using penalty functions, special representations, repair algorithms, methods based on separation of objective and constraints and multiobjective techniques are mentioned.

Článek diskutuje dva přístupy k učení vícevrstvých perceptronů s po částech lineárními aktivačními funkcemi. První byl navržen specificky pro sítě tohoto typu. Druhý je založen na částech lineární aproximaci sítě s hladkými aktivačními funkcemi.
Permanent Link: http://hdl.handle.net/11104/0169591