Optimisation d’entrainement des réseaux de neurones RBF par la métaheuristique ACO
| dc.contributor.author | Tounsi, Farouk | |
| dc.date.accessioned | 2019-01-17T09:29:09Z | |
| dc.date.available | 2019-01-17T09:29:09Z | |
| dc.date.issued | 2017 | |
| dc.description.abstract | Notre travail concerne essentiellement l’adaptation de l’algorithme d’optimisation par colonie de fourmis pour l’entrainement des réseaux RBF. Cette adaptation vise deux objectifs : - A imiter le comportement d’une colonie de fourmis qui peut naturellement à trouver collectivement et intuitivement à trouver le chemin optimal de son objectif. - A aboutir à un algorithme efficace, plus performant que les méthodes proposées par les approches classiques. La variation et continue du signal de commande simule la recherche raffinée et précise d’une fourmi de la bonne direction. La convergence des sorties de tous les réseaux aux alentours de la consigne simule le tracé du chemin commun par coopération de tous les individus de la colonie, aboutissant à un itinéraire optimal vers l’objectif. La performance globale a montré la collaboration de tous les agents pour construire la meilleure solution. Les résultats de simulation ont montré l’efficacité de l’algorithme hybride ACO-RBF. Ses résultats étaient nettement meilleures que ceux de la méthode BP-ACO. | ar |
| dc.description.sponsorship | Djebabla Ali | ar |
| dc.identifier.uri | http://hdl.handle.net/123456789/8110 | |
| dc.language.iso | fr | ar |
| dc.publisher | Université Larbi Ben M'hidi | ar |
| dc.title | Optimisation d’entrainement des réseaux de neurones RBF par la métaheuristique ACO | ar |
| dc.type | Other | ar |