एक नियतात्मक समस्या स्थान के लिए, मुझे इष्टतम नोड और लिंक संरचना के साथ एक तंत्रिका नेटवर्क खोजने की आवश्यकता है। मैं समस्या डोमेन के लिए सर्वश्रेष्ठ नेटवर्क संरचना खोजने के लिए कई तंत्रिका नेटवर्क का अनुकरण करने के लिए एक आनुवंशिक एल्गोरिथ्म का उपयोग करना चाहता हूं।
मैंने पहले कभी इस तरह के कार्य के लिए आनुवंशिक एल्गोरिदम का उपयोग नहीं किया है। व्यावहारिक विचार क्या हैं? विशेष रूप से, मुझे एक तंत्रिका नेटवर्क की संरचना को जीनोम में कैसे बदलना चाहिए?
जवाबों:
"मेटाटूरिस्टिक्स की अनिवार्यता" की धारा 4.2 में जेनेटिक एल्गोरिदम के माध्यम से ग्राफ संरचनाओं को एन्कोडिंग के वैकल्पिक तरीकों पर जानकारी का खजाना है।
एएनएन को विकसित करने के लिए विशेष रूप से, मैं व्यक्तिगत रूप से इस तरह की चीज को 'खरोंच से' लागू करने के लिए इच्छुक नहीं हूं:
तंत्रिका विकास के क्षेत्र कुछ समय के लिए चारों ओर हो गया है, और कार्यान्वयन ऐसे बढ़ाने टोपोलॉजी के तंत्रिका विकास (जैसे तरीकों में से कुछ NEAT ) अब बहुत व्यावहारिक अनुभव के परिणामों को शामिल।
उपरोक्त लिंक के अनुसार:
हमने एनईएटी के लिए एक एक्सटेंशन भी विकसित किया है जिसे हाइपरनेट कहा जाता है जो लाखों कनेक्शन के साथ तंत्रिका नेटवर्क को विकसित कर सकता है और कार्य डोमेन में ज्यामितीय नियमितता का शोषण कर सकता है। हाइपरनेट पेज में प्रकाशनों के लिंक और दृष्टिकोण की एक सामान्य व्याख्या शामिल है।
तंत्रिका नेटवर्क को विकसित करने के लिए विकासवादी एल्गोरिदम का उपयोग करना न्यूरोइवोल्यूशन कहा जाता है ।
कुछ न्यूरोव्यूलेशन एल्गोरिदम केवल एक तंत्रिका नेटवर्क के वजन को निर्धारित टोपोलॉजी के साथ अनुकूलित करते हैं । लगता है कि आप क्या चाहते हैं नहीं। अन्य न्यूरोव्यूलेशन एल्गोरिदम एक तंत्रिका जाल के वजन और टोपोलॉजी दोनों का अनुकूलन करते हैं । इस प्रकार के एल्गोरिदम आपके उद्देश्यों के लिए अधिक उपयुक्त लगते हैं, और कभी-कभी TWEANNs (टोपोलॉजी और वेट इवॉल्विंग न्यूरल नेटवर्क्स) कहलाते हैं।
एक लोकप्रिय एल्गोरिथ्म को NEAT कहा जाता है , और शायद शुरू करने के लिए एक अच्छी जगह है, यदि केवल इसलिए कि कार्यान्वयन की एक भीड़ है, जिनमें से एक उम्मीद है कि आपकी पसंदीदा भाषा में लिखा गया है। कम से कम आप के साथ काम करने के लिए एक आधार रेखा देना होगा।
एनईएटी एक तंत्रिका नेटवर्क जीनोम को सीधे एक ग्राफ संरचना के रूप में एन्कोड करता है। उत्परिवर्तन नई लिंक जोड़कर नेटवर्क की संरचना पर काम कर सकते हैं (पहले से जुड़े दो नोड्स को जोड़कर) या नए नोड्स (एक मौजूदा कनेक्शन को विभाजित करके), या केवल रेखांकन में किनारों से जुड़े भार को बदलने पर काम कर सकते हैं (जिसे उत्परिवर्तन कहा जाता है) वजन)। आपको ANN के आकारों के परिमाण के क्रम का अंदाजा लगाने के लिए यह विशेष एल्गोरिथ्म काम करता है, यह संभवतः 100 या 200 से अधिक नोड्स के साथ संघर्ष करेगा।
अधिक स्केलेबल TWEANN हैं, लेकिन वे अधिक जटिल हैं और उन संरचनाओं के प्रकार के बारे में धारणा बनाते हैं जो वे उत्पन्न करते हैं जो हमेशा व्यवहार में उत्पादक नहीं हो सकते हैं। उदाहरण के लिए, तंत्रिका नेटवर्क की संरचना को एन्कोड करने का एक और तरीका, बीज पैटर्न का उत्पाद है जिसे बार-बार व्याकरण (जैसे एल-सिस्टम) द्वारा विस्तारित किया जाता है। आप अधिक आसानी से बड़ी संरचनाओं का पता लगा सकते हैं, लेकिन क्योंकि वे एक व्याकरण द्वारा उत्पन्न होते हैं, उनके पास एक विशिष्ट आत्म-दोहराव प्रकार का अनुभव होगा। हाइपरनेट एनईएटी का एक लोकप्रिय विस्तार है जो एक अलग तरह की धारणा बनाता है (जो कि भार के पैटर्न को आसानी से ज्यामिति के एक समारोह के रूप में व्यक्त किया जा सकता है), और लाखों कनेक्शनों के साथ ANN को स्केल कर सकता है जब यह धारणा किसी विशेष डोमेन को अच्छी तरह से फिट करती है।
यदि आप विभिन्न प्रकार की तकनीकों का निरीक्षण करना चाहते हैं तो शीर्ष लिंक में कुछ सर्वेक्षण पत्र जुड़े हुए हैं।