तंत्रिका नेटवर्क और विकासवादी एल्गोरिदम

Question

के बीच अंतर मेरे पास विकासवादी एल्गोरिदम पर एक अच्छा आधार है, इसलिए अब मैंने कृत्रिम तंत्रिका नेटवर्क के बारे में पढ़ना शुरू कर दिया है। मैं http://www.ai-junkie.com/ann/evolved/nnt2.html, पर इस ट्यूटोरियल में आया हूं कि खानों को इकट्ठा करने वाले टैंकों को विकसित करने के लिए एएनएन का उपयोग कैसे किया जाए। यह प्रत्येक न्यूरॉन पर इनपुट वजन विकसित करने के लिए जीए का उपयोग करता है।

मुझे पता है कि मैं एक ही समस्या को हल करने के लिए GA (एएनएन के बिना) का उपयोग कर सकता हूं। मैंने ग्रिड मूल्यांकन समारोह में वजन को अनुकूलित करने के लिए केवल जीए का उपयोग करके एक टेट्रिस बॉट बनाया है (मेरे ब्लॉग http://www.bitsrandomicos.blogspot.com.br/ देखें)।

मेरा प्रश्न है: एक परिस्थिति में एक एएनएन + जीए का उपयोग करने के बीच वैचारिक/व्यावहारिक अंतर क्या है जहां मैं अकेले जीए का उपयोग कर सकता हूं? मेरा मतलब है, क्या मेरा टेट्रिस बॉट एएनएन है? (मुझे ऐसा नहीं लगता)।

इस बारे में कई संबंधित प्रश्न होते हैं, लेकिन मैं एक जवाब नहीं मिल सकता है:

Are evolutionary algorithms and neural networks used in the same domains?

When to use Genetic Algorithms vs. when to use Neural Networks?

धन्यवाद!

Answer 1

एक आनुवंशिक एल्गोरिथ्म एक अनुकूलन एल्गोरिथ्म है।

एक कृत्रिम तंत्रिका नेटवर्क एक समारोह approximator है। एक समारोह का अनुमान लगाने के लिए आपको वजन समायोजित करने के लिए एक अनुकूलन एल्गोरिदम की आवश्यकता है। पर्यवेक्षित शिक्षा (वर्गीकरण, प्रतिगमन) या मजबूती सीखने के लिए एक एएनएन का उपयोग किया जा सकता है और कुछ को भी अप्रसन्न शिक्षा के लिए इस्तेमाल किया जा सकता है।

पर्यवेक्षित सीखने में एक जेनेटिक एल्गोरिदम की तरह व्युत्पन्न मुक्त अनुकूलन एल्गोरिदम धीमी जानकारी का उपयोग करने वाले ऑप्टिमाइज़ेशन एल्गोरिदम के अधिकांश से धीमा है। इस प्रकार, यह केवल मजबूती सीखने में अनुवांशिक एल्गोरिदम के साथ तंत्रिका नेटवर्क विकसित करने के लिए समझ में आता है। इसे "न्यूरोवॉल्यूशन" के रूप में जाना जाता है। इस सेटअप में मल्टीलायर परसेप्ट्रॉन जैसे तंत्रिका नेटवर्क का लाभ यह है कि जब वे छिपे हुए नोड्स की पर्याप्त मात्रा में होते हैं तो वे मनमाने ढंग से सटीकता के साथ किसी भी फ़ंक्शन का अनुमान लगा सकते हैं।

जब आप टेट्रिस बॉट बनाते हैं तो आपको एक एएनएन को फंक्शन सिक्योरेटर के रूप में उपयोग करने की आवश्यकता नहीं होती है। लेकिन आपको अपनी बॉट की नीति का प्रतिनिधित्व करने के लिए किसी प्रकार के फ़ंक्शन सिक्योरेटर की आवश्यकता है। मुझे लगता है कि यह एक एएनएन की तुलना में बस आसान था। लेकिन जब आप एक जटिल nonlinear नीति बनाना चाहते हैं तो आप ऐसा कर सकते हैं। जी। एक एएनएन के साथ।

Answer 2

मैं एक विशेषज्ञ नहीं हूँ, लेकिन मैं क्या क्षेत्र से जानकारी के आधार पर ..

एक कृत्रिम तंत्रिका नेटवर्क तंत्रिका विज्ञान पर एक आधार के अंत में है। यह एल्गोरिदम में एक न्यूरॉन जैसी संरचनाओं के निर्माण के माध्यम से अपने व्यवहार को अनुकरण/मॉडल करने का प्रयास करता है। परिणाम की तुलना में समस्या की अकादमिक प्रकृति पर जोर दिया जाता है। जो मैं समझता हूं, उससे इस कारण से एएनएन इंजीनियरिंग दृष्टिकोण से बहुत लोकप्रिय नहीं हैं। मशीन लर्निंग (एचएमएम और बेयसियन नेटवर्क) का सांख्यिकीय आधार बेहतर परिणाम प्रदान करता है।

संक्षेप में, जब तक कि यह कुछ अंतर्निहित न्यूरोसाइसी विषय के प्रति उत्साहित है, यह एक एएनएन हो सकता है, भले ही यह GA के कुछ रूपों का उपयोग करता हो।

यदि आप जीए का उपयोग करते हैं, तो यह एक एएनएन आवश्यक नहीं है।

Answer 3

अल्फा का जवाब सही है।

मेटा-अनुकूलक = कोई नहीं है (लेकिन हो सकता है)
अनुकूलक = आनुवंशिक एल्गोरिथम
समस्या = टेट्रिस बॉट (जैसे एएनएन)

Answer 4

आप विकासवादी का उपयोग: यहाँ सिर्फ एक उदाहरण देकर स्पष्ट करने के लिए वह क्या कहा छवि है एल्गोरिदम यदि आप अभी तक उत्तर नहीं जानते हैं लेकिन आप किसी भी तरह से उम्मीदवारों को रेट करने और सार्थक उत्परिवर्तन प्रदान करने में सक्षम हैं। यदि आप पहले से ही जवाब (और आदानों)

तंत्रिका नेटवर्क बहुत अच्छा है और आप "कंप्यूटर को प्रशिक्षित करने के लिए" तो यह "अनुमान" कर सकते हैं अज्ञात आदानों के लिए जवाब चाहते हैं। इसके अलावा, आपको समस्या के बारे में बहुत कुछ नहीं सोचना है, नेटवर्क इसे स्वयं ही समझ जाएगा।

चेक इस "खेल ऐ" उदाहरण: https://synaptic.juancazala.com/#/
(ध्यान दें कि यह कैसे सरल है, तुम सब करने के लिए है उन्हें पर्याप्त प्रशिक्षण देने के लिए है, तो आप खेल ऐ के बारे में एक बात पता करने के लिए नहीं है - और एक बार यह पर्याप्त है कि आपको केवल "डाउनलोड" मेमोरी है और इसे आवश्यक होने पर चलाएं)