Global optimization of recurrent neural networks: a comparison of the genetic algorithm and Tabu search

Kittikorn Tongnimitsawat

dc.contributor.advisor	Boonserm Kijsirikul
dc.contributor.author	Kittikorn Tongnimitsawat
dc.contributor.other	Chulalongkorn University. Faculty of Engineering
dc.date.accessioned	2006-08-10T05:28:44Z
dc.date.available	2006-08-10T05:28:44Z
dc.date.issued	2004
dc.identifier.isbn	9745315095
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/1629
dc.description	Thesis (M.Sc.)--Chulalongkorn University, 2004	en
dc.description.abstract	To present the methodology of applying Genetic Algorithm and Tabu Search in finding the global optima in Recurrent Neural Network. Then the result is compared with Backpropagation, the legacy method. The result depicts that Genetic Algorithm and Tabu Search can help Recurrent Neural Network performs better than Backpropagation. This is because the Genetic Algorithm has a cross-over operator to jump off of local optima whilst Tabu Search employs Tabu list to prevent re-cycling search as well as using long term memory to make the searching broader. However, Genetic Algorithm and Tabu Search take more time to find out the solution. In a short time running, Backpropagation can find a solution in some dataset better than others.	en
dc.description.abstractalternative	เสนอการนำอัลกอริทึมพันธุกรรมและการค้นหาทาบูมาประยุกต์ใช้กับ การหาคำตอบที่ดีที่สุดของเครือข่ายประสาทแบบย้อนกลับ แล้วเปรียบเทียบกับการเรียนรู้โดยการใช้แบ็คพรอพาเกชัน ผลที่ได้พบว่าการเรียนรู้เครือข่ายประสาทแบบย้อนกลับด้วยอัลกอริทึมพันธุกรรม และการค้นหาทาบูจะส่งผลให้สามารถเรียนรู้ข้อมูลได้ดีกว่า การเรียนรู้โดยใช้แบ็คพรอพาเกชัน เนื่องจากอัลกอริทึมพันธุกรรมและการค้นหาทาบู สามารถหลุดออกจากบริเวณที่เป็นโลคอลได้ ส่งผลให้ค่าความผิดพลาดที่ได้จากอัลกอริทึมพันธุกรรม และการค้นหาทาบูมีค่าน้อยกว่าการเรียนรู้โดยการใช้แบ็คพรอพาเกชัน อย่างไรก็ตาม การนำอัลกอริทึมพันธุกรรมและการค้นหาทาบูมาประยุกต์ใช้ กับการหาคำตอบที่ดีที่สุดของเครือข่ายประสาทแบบย้อนกลับ จะใช้เวลาในการเรียนรู้นานกว่าการเรียนรู้โดยการใช้แบ็คพรอพาเกชัน ซึ่งจะใช้ได้ดีในข้อมูลบางชุด
dc.format.extent	2572961 bytes
dc.format.mimetype	application/pdf
dc.language.iso	en	en
dc.publisher	Chulalongkorn University	en
dc.rights	Chulalongkorn University	en
dc.subject	Neural networks (Computer sciences)	en
dc.subject	Genetic algorithms	en
dc.subject	Machine learning	en
dc.subject	Back propagation (Artificial intelligence)	en
dc.title	Global optimization of recurrent neural networks: a comparison of the genetic algorithm and Tabu search	en
dc.title.alternative	การหาคำตอบดีที่สุดของเครือข่ายประสาทแบบย้อนกลับ : การเปรียบเทียบระหว่างอัลกอริทึมพันธุกรรมและการค้นหาทาบู	en
dc.type	Thesis	en
dc.degree.name	Master of Science	en
dc.degree.level	Master's Degree	en
dc.degree.discipline	Computer Science	en
dc.degree.grantor	Chulalongkorn University	en
dc.email.advisor	boonserm@cp.eng.chula.ac.th, Boonserm.K@Chula.ac.th