Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
+Пособие_ИИС_новое.doc
Скачиваний:
2
Добавлен:
01.04.2025
Размер:
6.04 Mб
Скачать

6.2.5. Использование генетических алгоритмов для обучения нейронной сети

Для определения оптимальных весов синапсов нейронной сети может быть использован генетический алгоритм. Генетический алгоритм является самым известным на данный момент представителем эволюционных алгоритмов, и по своей сути является алгоритмом для нахождения глобального экстремума многоэкстремальной функции в большом комбинаторном производстве поиска.

В генетических алгоритмах используется аналог механизма генетического наследования и естественного отбора, моделируется процесс эволюции популяции, причем индивидом (особью) является одно решение задачи. Решение задачи характеризуется множеством значений независимых переменных (аналог хромосом). Более приспособленные особи (лучшие решения) имеют большую возможность для выживания и скрещивания и приносят большее потомство. Благодаря передаче генетической информации потомки, наследуя от родителей их основные качества, также будет более сильными, а их доля в обшей массе будет увеличена.

В общем, генетический алгоритм работает следующим образом. В первом поколении все хромосомы генерируются случайно. Определяется их "полезность". Начиная с этой точки, генетический алгоритм может начинать генерировать новую популяцию. Репродукция состоит из четырех шагов: селекции, кроссовера, мутации, инверсии.

Кроссовер является наиболее важным генетическим оператором. Он генерирует новую хромосому, объединяя генетический материал двух родительских. Существует несколько вариантов кроссовера. Наиболее простым является одноточечный, часто используется двухточечный и равномерный кроссовер. В первом варианте просто берутся две хромосомы, и перерезаются в случайно выбранной точке, результирующая хромосома получается из начала одной и конца другой родительских хромосом. При двухточечном кроссовере таких точек две. При равномерном обмен может производится по всей хромосоме с определенной вероятностью. Мутация представляет собой случайное изменение хромосомы (обычно простым изменением состояния одного из битов на противоположное). Данный оператор позволяет более быстро находить локальные экстремумы с одной стороны, и позволяет "перескочить" на другой локальный экстремум с другой. Инверсия инвертирует (изменяет) порядок бит в хромосоме путем циклической перестановки (случайное количество раз). Многие модификации генетических алгоритмов обходятся без данного генетического оператора.

Новое сгенерированное поколение заменяет предыдущее. Существует еще элитные методы отбора, когда лучшие члены популяции остаются в следующем поколении. Правило останова - если средний уровень полезности нового поколения не превышает функцию полезности предыдущего, то решение найдено. Генетический алгоритм позволяет накапливать удачные решения для систем, состоящих из относительно независимых подсистем, может применяться к широкому классу оптимизационных задач, в том числе и не имеющих аналитического описания.

Контрольные тесты

1. При использовании какой функции активации выходной сигнал нейрона равен его потенциалу?

А) линейная Б) пороговая В) сигмоидная

2. К какому классу относится однослойный персептрон?

А) Статические сети Б) Рекуррентные сети

3. К какому классу относится сеть Кохонена?

А) Статические сети Б) Рекуррентные сети

4. Определение связей между нейронами и установление силы этих связей?

А) проектирование Б) обучение В) тестирование

5. При каком обучении для каждого примера не задается в явном виде значение признака его принадлежности некоторому классу ситуаций?

А) «с учителем» Б) «без учителя»

6. Что выполняют нейронные сети?

А) реализуют логический вывод: от частного к общему, путем классификации;

Б) строят решающие правила определения зависимостей между входными и выходными функциями на основе обучения на примерах;

В) осуществляют поиск по аналогии и поиск «от частного к общему».

7. «Если нейроны с обеих сторон синапса активизируются одновременно и регулярно, то сила синаптической связи возрастает»

А) Правило коррекции по ошибке Б) Обучение Больцмана

В) Правило Хебба Г) Обучение методом соревнования

8. Какой метод оптимизации используется в методе обратного распространения ошибки?

А) Симплекс Б) Коммивояжера В) Градиентный спуск

9. Генетический алгоритм является:

А) эффективным подходом к ограничению поисковых усилий при большом комбинаторном пространстве поиска;

Б) эффективным подходом к ограничению поисковых усилий при малом комбинаторном пространстве поиска;

В) эффективным подходом к ограничению поисковых усилий.

10. Что является особью в генетическом алгоритме?

А) одно решение задачи; Б) один процесс эволюции; В) один кроссовер.