Eigentlich gibt es mehrere Dinge, die Sie optimieren können mit GA in Bezug auf NN. Sie können die Struktur optimieren (Anzahl der Knoten, Layer, Aktivierungsfunktion usw.). Sie können auch mit GA trainieren, dh die Gewichte einstellen.
Genetische Algorithmen werden niemals die effizientesten sein, aber sie werden normalerweise verwendet, wenn Sie wenig Ahnung haben, welche Zahlen zu verwenden sind.
Für das Training können Sie auch andere Algorithmen einschließlich backpropagation verwenden, nelder-mead etc ..
Sie sagten, Sie Zahl versteckt Knoten, für diese genetischen Algorithmus kann ausreichend sein, um, wenn auch weit von „optimal“ optimieren wollten. Der Raum, den Sie suchen, ist wahrscheinlich zu klein, um genetische Algorithmen zu verwenden, aber sie können immer noch funktionieren und afaik, sie sind bereits in Matlab implementiert, also kein Problem.
Was meinen Sie mit der Optimierung des Trainingsumfangs? Wenn Sie die Anzahl der Epochen meinen, dann ist das in Ordnung, denken Sie daran, dass das Training irgendwie von den Startgewichten abhängig ist und sie sind in der Regel zufällig, so dass die für GA verwendete Fitnessfunktion nicht wirklich eine Funktion ist.
danke. Das ist die genaue Information, nach der ich gesucht habe. – ServAce85
Ich würde es gerne in C/C++ programmieren und dann 1000 Amazon EC2 Server für ein paar Stunden einschalten. –
Welchen Vorteil hat das Training eines ANN mit GA gegenüber der ausschließlichen Verwendung von GP? ANNs haben den Vorteil, dass sie ein Gehirn nachahmen, und dass sie Methoden verwenden können, um die Gewichte auf intelligente Weise zu aktualisieren, wie zum Beispiel Backpropagation, um sicherzustellen, dass sich das Netzwerk in die richtige Richtung entwickelt (genau wie im Gehirn). Aber wenn du GA zum Aktualisieren der Gewichte verwendest, verlierst du all das und es scheint mir nicht so, als hättest du einen wirklichen Vorteil gegenüber GP mehr, da es jetzt einfach Zufall ist, ob das Netzwerk sich verbessert oder nicht. Was ist deine Meinung dazu? – HelloGoodbye