Design of a neural network for automatic detection of incidents on a freeway is described. A neural network is trained using a combination of both back-propagation and genetic algorithm-based methods for optimizing the design of the neural network. The back-propagation and genetic algorithm work together in a collaborative manner in the neural network design. The training starts with incremental learning based on the instantaneous error and the global total error is accumulated for batch updating at the end of the training data being presented to the neural network. The genetic algorithm directly evaluates the performance of multiple sets of neural networks in parallel and then use the analyzed results to breed new neural networks that tend to be better suited to the problems at hand.

Het ontwerp van een neuraal netwerk voor automatische opsporing van incidenten op een snelweg wordt beschreven. Een neuraal netwerk wordt opgeleid gebruikend een combinatie zowel back-propagation als genetische op algoritme-gebaseerde methodes om het ontwerp van het neurale netwerk te optimaliseren. Back-propagation en het genetische algoritme werken op een samenwerkingsmanier in het neurale netwerkontwerp samen. Het opleidingsbegin met het stijgende leren wordt gebaseerd op de onmiddellijke fout en de globale totale fout geaccumuleerd voor partij het bijwerken aan het eind van de opleidingsgegevens die aan het neurale netwerk worden voorgelegd. Het genetische algoritme evalueert direct de prestaties van veelvoudige reeksen neurale tegelijkertijd parallelle netwerken en gebruikt dan de geanalyseerde resultaten om nieuwe neurale netwerken te kweken die om beter voor de dichtbije problemen neigen worden aangepast.