Buchumschlag

A Study of Hybrid and Evolutionary Metaheuristics for Single Hidden Layer Feedforward Neural Network Architecture

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kashyap, Gautam Siddharth, Nafis, Md Tabrez, Wazir, Samar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Neural and Evolutionary Computing Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

METAFOR: A Hybrid Metaheuristics Software Framework for Single-Objective Continuous Optimization Problems
von: Camacho-Villalón, Christian, et al.
Veröffentlicht: (2025)

LLaMEA: A Large Language Model Evolutionary Algorithm for Automatically Generating Metaheuristics
von: van Stein, Niki, et al.
Veröffentlicht: (2024)

Meta knowledge assisted Evolutionary Neural Architecture Search
von: Li, Yangyang, et al.
Veröffentlicht: (2025)

Evolutionary Neural Architecture Search with Dual Contrastive Learning
von: Zhang, Xian-Rong, et al.
Veröffentlicht: (2025)

Constrained Hybrid Metaheuristic Algorithm for Probabilistic Neural Networks Learning
von: Kowalski, Piotr A., et al.
Veröffentlicht: (2025)

Yukthi Opus: A Multi-Chain Hybrid Metaheuristic for Large-Scale NP-Hard Optimization
von: Vikraman, SB Danush, et al.
Veröffentlicht: (2026)

Predicting Confinement Effect of Carbon Fiber Reinforced Polymers on Strength of Concrete using Metaheuristics-based Artificial Neural Networks
von: Wahab, Sarmed, et al.
Veröffentlicht: (2023)

A Pairwise Comparison Relation-assisted Multi-objective Evolutionary Neural Architecture Search Method with Multi-population Mechanism
von: Xue, Yu, et al.
Veröffentlicht: (2024)

EMBER: Autonomous Cognitive Behaviour from Learned Spiking Neural Network Dynamics in a Hybrid LLM Architecture
von: Savage, William
Veröffentlicht: (2026)

Memory-Driven Metaheuristics: Improving Optimization Performance
von: Farahmand-Tabar, Salar
Veröffentlicht: (2024)

Predictive Coding Graphs are a Superset of Feedforward Neural Networks
von: van Zwol, Björn
Veröffentlicht: (2026)

Exploring the Limitations of Layer Synchronization in Spiking Neural Networks
von: Koopman, Roel, et al.
Veröffentlicht: (2024)

Knowledge-aware Evolutionary Graph Neural Architecture Search
von: Wang, Chao, et al.
Veröffentlicht: (2024)

RAG/LLM Augmented Switching Driven Polymorphic Metaheuristic Framework
von: Esfahani, Faramarz Safi, et al.
Veröffentlicht: (2025)

Archive-based Single-Objective Evolutionary Algorithms for Submodular Optimization
von: Neumann, Frank, et al.
Veröffentlicht: (2024)

NeuroCoreX: An Open-Source FPGA-Based Spiking Neural Network Emulator with On-Chip Learning
von: Gautam, Ashish, et al.
Veröffentlicht: (2025)

LEVI: Stronger Search Architectures Can Substitute for Larger LLMs in Evolutionary Search
von: Tanveer, Temoor
Veröffentlicht: (2026)

A Tutorial on the Design, Experimentation and Application of Metaheuristic Algorithms to Real-World Optimization Problems
von: Osaba, Eneko, et al.
Veröffentlicht: (2024)

AutoOpt: A General Framework for Automatically Designing Metaheuristic Optimization Algorithms with Diverse Structures
von: Zhao, Qi, et al.
Veröffentlicht: (2022)

An Effective Networks Intrusion Detection Approach Based on Hybrid Harris Hawks and Multi-Layer Perceptron
von: Alazab, Moutaz, et al.
Veröffentlicht: (2024)

A Hybrid Spiking-Convolutional Neural Network Approach for Advancing Machine Learning Models
von: Sanaullah, et al.
Veröffentlicht: (2024)

Reconstructing Spiking Neural Networks Using a Single Neuron with Autapses
von: Cai, Wuque, et al.
Veröffentlicht: (2026)

Ecological Neural Architecture Search
von: Winter, Benjamin David, et al.
Veröffentlicht: (2025)

A Comparative Analysis on Metaheuristic Algorithms Based Vision Transformer Model for Early Detection of Alzheimer's Disease
von: Sen, Anuvab, et al.
Veröffentlicht: (2024)

SDSNN: A Single-Timestep Spiking Neural Network with Self-Dropping Neuron and Bayesian Optimization
von: Xu, Changqing, et al.
Veröffentlicht: (2025)

ClustOpt: A Clustering-based Approach for Representing and Visualizing the Search Dynamics of Numerical Metaheuristic Optimization Algorithms
von: Cenikj, Gjorgjina, et al.
Veröffentlicht: (2025)

Dual-Individual Genetic Algorithm: A Dual-Individual Approach for Efficient Training of Multi-Layer Neural Networks
von: Truong, Tran Thuy Nga, et al.
Veröffentlicht: (2025)

HRA: A Multi-Criteria Framework for Ranking Metaheuristic Optimization Algorithms
von: Goula, Evgenia-Maria K., et al.
Veröffentlicht: (2024)

Optimizing Container Loading and Unloading through Dual-Cycling and Dockyard Rehandle Reduction Using a Hybrid Genetic Algorithm
von: Rahman, Md. Mahfuzur, et al.
Veröffentlicht: (2024)

Quantum-Evolutionary Neural Networks for Multi-Agent Federated Learning
von: Lala, Aarav, et al.
Veröffentlicht: (2025)

Can Large Language Models Be Trusted as Evolutionary Optimizers for Network-Structured Combinatorial Problems?
von: Zhao, Jie, et al.
Veröffentlicht: (2025)

CogniSNN: Enabling Neuron-Expandability, Pathway-Reusability, and Dynamic-Configurability with Random Graph Architectures in Spiking Neural Networks
von: Huang, Yongsheng, et al.
Veröffentlicht: (2025)

Evaluating a Novel Neuroevolution and Neural Architecture Search System
von: Winter, Benjamin David, et al.
Veröffentlicht: (2025)

Arbitrary Precision Printed Ternary Neural Networks with Holistic Evolutionary Approximation
von: Mrazek, Vojtech, et al.
Veröffentlicht: (2025)

An Evolutional Neural Network Framework for Classification of Microarray Data
von: Evari, Maryam Eshraghi, et al.
Veröffentlicht: (2024)

Evolution Transformer: In-Context Evolutionary Optimization
von: Lange, Robert Tjarko, et al.
Veröffentlicht: (2024)

A Survey of Recursive and Recurrent Neural Networks
von: Liu, Jian-wei, et al.
Veröffentlicht: (2025)

Runtime Analysis for Permutation-based Evolutionary Algorithms
von: Doerr, Benjamin, et al.
Veröffentlicht: (2022)

Evolutionary Reinforcement Learning via Cooperative Coevolution
von: Hu, Chengpeng, et al.
Veröffentlicht: (2024)

Evolutionary Preference Sampling for Pareto Set Learning
von: Ye, Rongguang, et al.
Veröffentlicht: (2024)