जेनेटिक एल्गोरिदम का उपयोग करके तंत्रिका नेटवर्क को अनुकूलित करने के लिए कैसे?

Question

मैं इस विषय के साथ काफी नया हूं इसलिए कोई मदद महान होगी। जीए का उपयोग करके MATLAB में एक तंत्रिका नेटवर्क को अनुकूलित करने के लिए मुझे क्या चाहिए। मेरे नेटवर्क में [2x 9 8] इनपुट और [1x 9 8] लक्ष्य है, मैंने MATLAB सहायता से परामर्श करने का प्रयास किया है, लेकिन मैं अभी भी क्या करना है इसके बारे में अनजान हूं :(इसलिए, किसी भी मदद की सराहना की जाएगी। अग्रिम धन्यवाद।

संपादित करें: मुझे लगता है कि मैंने यह नहीं कहा कि दान को पहले जवाब में कहा गया है कि मुझे अनुकूलित करने के लिए क्या किया जा रहा है। मुझे लगता है कि सबसे महत्वपूर्ण बात छिपा न्यूरॉन्स की संख्या है। और हो सकता है कि छिपी हुई परतों और प्रशिक्षण पैरामीटर की संख्या जैसे युगों की संख्या। पर्याप्त जानकारी प्रदान करने के लिए खेद है, मैं अभी भी इसके बारे में सीख रहा हूं।

Answer 1

अच्छी तरह से, आपको अनुकूलित करने का प्रयास करने के बारे में और अधिक विशिष्ट होना चाहिए। क्या यह छिपी हुई परत का आकार है? क्या आपके पास एक छिपी परत है क्या यह पैरामीटर अनुकूलन (सीखने की दर, कर्नेल पैरामीटर) है?

Answer 2

यदि यह एक होमवर्क असाइनमेंट है, तो जो भी आपको कक्षा में पढ़ाया जाता है।

अन्यथा, पूरी तरह से एमएलपी को हटा दें। समर्थन वेक्टर रिग्रेशन (http://www.csie.ntu.edu.tw/~cjlin/libsvm/) समस्याओं के एक व्यापक स्वार्थ में अधिक भरोसेमंद ट्रेन करने योग्य है, और अक्सर-कभी-कभी-स्थानीय-मिनीमा समस्या में कभी भी भाग नहीं लेता है, अक्सर बैक-प्रोपेगेशन प्रशिक्षित एमएलपी के साथ मारा जाता है जो आपको नेटवर्क को हल करने के लिए मजबूर करता है केवल एक नेटवर्क खोजने के लिए स्थलाकृति अनुकूलन समस्या जो वास्तव में ट्रेन करेगा।

Answer 3

मुझे लगता है कि आपके पास पैरामीटर (# छिपी हुई परतों, # प्रति परत न्यूरॉन्स के #) का एक सेट है, जिसे एक अच्छा चुनने के लिए सभी संयोजनों को खोजने के लिए ब्रूट-बल की बजाय ट्यून करने की आवश्यकता है, जीए मदद कर सकता है आप इस संयोजन से दूसरे में कूदते हैं। इसलिए, आप संभावित उम्मीदवारों के लिए खोज स्थान "एक्सप्लोर" कर सकते हैं।

GA "सहायक" सुविधाओं का चयन करने में सहायता कर सकता है। कुछ विशेषताएं अनावश्यक दिखाई दे सकती हैं और आप उन्हें छीनना चाहते हैं। हालांकि, कहें, आगे के चयन जैसे कुछ दृष्टिकोणों से सुविधाओं के सर्वोत्तम सेट की खोज करने के लिए डेटा में बहुत सी विशेषताएं हैं। फिर, जीए इस सेट उम्मीदवार से दूसरे पर "कूद" सकता है।

आपको GA को खिलाए गए डेटा (इनपुट पैरामीटर, फीचर्स ...) को एन्कोड करने की आवश्यकता होगी। इनपुट पैरा या सेट का एक अच्छा सेट सेट करने के लिए, मुझे लगता है कि बाइनरी एन्कोडिंग काम करनी चाहिए। इसके अलावा, जीए के लिए ऑपरेटरों को पुन: पेश करने के लिए ऑपरेटरों को चुनना भी महत्वपूर्ण है। फिर भी जीए को भी ट्यून किया जाना चाहिए (प्रारंभिक रोकना जो एएनएन पर भी लागू किया जा सकता है)।

यहां कुछ विचार हैं। आप GA, फीचर चयन, एएनएन प्रुनिंग के बारे में अधिक जानकारी खोजना चाहेंगे ...

Answer 4

Google विद्वान पर मैथ्यू सेटल्स देखें। उन्होंने पिछले 5-6 वर्षों में इडाहो विश्वविद्यालय में इस क्षेत्र में कुछ काम किया था। उसे आपके काम के लिए प्रासंगिक उद्धरण होना चाहिए।

Answer 5

चूंकि आप MATLAB का उपयोग कर रहे हैं, मैं सुझाव देता हूं कि आप Genetic Algorithms solver (जिसे गैटूल के नाम से जाना जाता है, Global Optimization Toolbox का हिस्सा) और Neural Network Toolbox देखें। उन दोनों के बीच आप काफी कुछ पता लगाने में सक्षम होना चाहिए। अपनी फिटनेस समारोह

कोड अपने उम्मीदवार के समाधान के लिए

1. प्रतिनिधित्व (या एन्कोडिंग) के साथ आओ और पास (जो मूल रूप से उम्मीदवार समाधान का परीक्षण करती है):

   आप मूल रूप से 2 मुख्य कार्य करना होगा यह GA सॉल्वर के पैरामीटर के रूप में है।

यदि आपको फिटनेस फ़ंक्शन के साथ आने या उम्मीदवार समाधानों के एन्कोडिंग के मामले में सहायता की आवश्यकता है तो आपको अधिक विशिष्ट होना होगा।

उम्मीद है कि यह मदद करता है।

Answer 6

मैटलैब इस समस्या के लिए एक सरल लेकिन महान स्पष्टीकरण है here। यह एएनएन और जीए दोनों भाग बताता है।

कमांड लाइन में ANN का उपयोग करने के बारे में अधिक जानकारी के लिए this देखें।

यदि आप इसे Google करते हैं तो इस विषय पर बहुत सारे कड़वाहट भी हैं। हालांकि यह MATLAB से संबंधित नहीं है, लेकिन केवल परिणाम और विधि है।