Jasmeen Gill / Shaminder Singh
Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Pogoda odgrywa znaczącą rolę w życiu codziennym, dla mienia, rolnictwa i przemysłu. Sieci neuronowe potrafią przewidywać nieliniowe zachowania pogody bez konieczności szczegółowego analizowania zasad fizyki. Najpopularniejszą metodą uczenia sieci neuronowych jest algorytm wstecznej propagacji oparty na metodzie spadku gradientu. Algorytm ten ma jednak kilka wad, takich jak problem lokalnych minimów, powolne uczenie się i trudności ze skalowaniem. Rozwiązaniem tych problemów jest połączenie go z algorytmami genetycznymi. Technika hybrydowa pozwala na efektywne uczenie się dzięki połączeniu zalet algorytmu genetycznego z algorytmem propagacji wstecznej. Hybrydowe sieci neuronowe sprawdzają się lepiej, jeśli weźmie się pod uwagę tylko wymóg przeszukiwania globalnego. Dobrze radzą sobie z przeszukiwaniem globalnym, czyli nie tylko w jednym kierunku, i działają na populacji punktów zamiast na pojedynczym punkcie. Łączą też zalety zarówno deterministycznego algorytmu BP, jak i stochastycznego algorytmu optymalizacyjnego GA.