Optimization of Neural Network Model Design: An Electoral Cooperative Particle Swarm Optimization Approach

This paper proposes an electoral cooperative particle swarm optimization approach to optimize the model of neural network from both structure and linked weights. Different with other related research work, a new encoding method is adopted to divide the neural network into several modules, each of them corresponding to a sub-swarm. Based on the experiments on typical problems and classic dataset, the results show that the proposed algorithm outperforms all the compared ones in perspective of test error, correctness, connection number, and the CPU time of the training phase. Streszczenie. W przedstawionym artykule opisano zastosowanie metod optymalizacji roju cząstek do optymalizacji struktury i współczynników wagowych sieci neuronowej. Zaimplementowano nową metodę analizy, do dzielenia podzielenia sieci na moduły, reprezentujące mniejsze roje. Weryfikacja eksperymentalna i porównanie z metodami klasycznymi wykazały wysoką sprawność i skuteczność analizy. (Optymalizacja modelu sieci neuronowej z zastosowaniem optymalizacji roju cząstek ze współdzieleniem grup).