असल में, कई चीजें हैं जिन्हें आप एनएन के संबंध में जीए का उपयोग करके अनुकूलित कर सकते हैं। आप संरचना को अनुकूलित कर सकते हैं (नोड्स, परतों, सक्रियण समारोह आदि की संख्या)। आप जीए का उपयोग करके भी ट्रेन कर सकते हैं, जिसका अर्थ है वजन निर्धारित करना।
आनुवांशिक एल्गोरिदम कभी भी सबसे कुशल नहीं होंगे, लेकिन आमतौर पर जब आप का उपयोग करने के लिए कितनी संख्याएं होती हैं तो वे आमतौर पर उपयोग करते हैं।
प्रशिक्षण के लिए, आप backpropagation, nelder-mead आदि सहित अन्य एल्गोरिदम का उपयोग कर सकते हैं ..
आपने कहा कि आप इस के लिए संख्या छिपा नोड्स अनुकूलन करने के लिए, चाहता था, आनुवंशिक एल्गोरिथ्म पर्याप्त हो सकता है, हालांकि अब तक "इष्टतम" से। जिस स्थान पर आप खोज रहे हैं वह आनुवंशिक एल्गोरिदम का उपयोग करने के लिए शायद बहुत छोटा है, लेकिन वे अभी भी काम कर सकते हैं और afaik, वे पहले से ही matlab में लागू कर रहे हैं, तो कोई बड़ी बात नहीं है।
प्रशिक्षण की मात्रा को अनुकूलित करके आपका क्या मतलब है? यदि आप युगों की संख्या का मतलब है, तो यह ठीक है, बस याद रखें कि प्रशिक्षण किसी भी तरह वजन कम करने पर निर्भर है और वे आम तौर पर यादृच्छिक होते हैं, इसलिए GA के लिए उपयोग किया जाने वाला फिटनेस फ़ंक्शन वास्तव में एक कार्य नहीं होगा।
धन्यवाद। यह वह सटीक जानकारी है जिसे मैं ढूंढ रहा था। – ServAce85
मुझे इसे सी/सी ++ में कोड करना अच्छा लगेगा, फिर उस पर कुछ घंटों के लिए 1000 अमेज़ॅन ईसी 2 सर्वर चालू करें। –
केवल जीपी का उपयोग करके जीए का उपयोग करके एएनएन को प्रशिक्षण देने का क्या फायदा है? एएनएन के पास यह लाभ होता है कि वे एक मस्तिष्क की नकल करते हैं, और यह सुनिश्चित करने के लिए कि नेटवर्क सही दिशा में विकसित होता है (जैसे मस्तिष्क में), यह सुनिश्चित करने के लिए कि वे बैकप्रोपैगेशन जैसे वजन को एक स्मार्ट तरीके से अपडेट करने के तरीकों का उपयोग कर सकते हैं। लेकिन जब वजन को अद्यतन करने के लिए जीए का उपयोग करते हैं, तो आप इसे सब कुछ खो देते हैं, और ऐसा लगता है कि आपके पास अब जीपी पर कोई वास्तविक लाभ नहीं है, क्योंकि अब यह बेहतर होगा कि नेटवर्क में सुधार होगा या नहीं। उस पर आपका क्या विचार है? – HelloGoodbye