Thực tế, có nhiều thứ bạn có thể tối ưu hóa bằng GA về NN. Bạn có thể tối ưu hóa cấu trúc (số lượng nút, lớp, chức năng kích hoạt, v.v.). Bạn cũng có thể đào tạo bằng GA, điều đó có nghĩa là đặt trọng số.
Thuật toán di truyền sẽ không bao giờ hiệu quả nhất, nhưng chúng thường được sử dụng khi bạn có ít đầu mối về số lượng cần sử dụng.
Đối với đào tạo, bạn có thể sử dụng các thuật toán khác bao gồm lan truyền ngược, nelder-mead vv ..
Bạn nói rằng bạn muốn tối ưu hóa số ẩn nút, cho điều này, thuật toán di truyền có thể là đủ, mặc dù xa "tối ưu". Không gian bạn đang tìm kiếm có lẽ quá nhỏ để sử dụng các thuật toán di truyền, nhưng chúng vẫn có thể hoạt động và afaik, chúng đã được triển khai trong MATLAB, do đó không có vấn đề gì.
Ý của bạn là gì bằng cách tối ưu hóa lượng đào tạo đã hoàn thành? Nếu bạn có nghĩa là số lượng kỷ nguyên, thì tốt thôi, chỉ cần nhớ rằng đào tạo là bằng cách nào đó phụ thuộc vào trọng lượng bắt đầu và chúng thường là ngẫu nhiên, vì vậy chức năng thể dục được sử dụng cho GA sẽ không thực sự là một chức năng.
cảm ơn bạn. đây là thông tin chính xác mà tôi đang tìm kiếm. – ServAce85
Tôi muốn mã hóa nó trong C/C++, sau đó bật 1000 máy chủ Amazon EC2 trong vài giờ. –
Lợi ích của việc đào tạo ANN bằng GA chỉ sử dụng GP là gì? ANN có lợi ích là họ bắt chước một bộ não và họ có thể sử dụng các phương pháp để cập nhật trọng số một cách thông minh, chẳng hạn như backpropagation, để đảm bảo rằng mạng phát triển đúng hướng (giống như trong não). Nhưng khi sử dụng GA để cập nhật trọng số, bạn mất tất cả điều đó và dường như tôi không có lợi thế thực sự nào so với GP nữa, vì bây giờ nó chỉ có cơ hội nếu mạng sẽ cải thiện hay không. Bạn phải làm gì? – HelloGoodbye