Entraînement de réseaux de neurones avec des techniques d'optimisation globale

Cet article présente une approche utilisant le recuit simulé et la recherche tabou pour l'optimisation simultanée des architectures et des poids des réseaux de neurones. Le problème considéré est la reconnaissance d'odeurs dans un nez artificiel. Les deux méthodes ont produit des réseaux avec de hautes performances de classification et une faible complexité. La généralisation a été améliorée par l'utilisation de l'algorithme de rétropropagation pour le réglage fin. La combinaison de méthodes de recherche simples et traditionnelles s'est avérée très adaptée pour générer des réseaux compacts et efficaces.