予測を行うためにニューラルネットワークを実装するように指示されました。だから私はフィードフォワードMultiLayer PerceptronをBackpropagationアルゴリズムで作成しました。うまくいきました。しかし、私は結果をより速く、より速く得る必要があります。そこで、私は遺伝的アルゴリズムについて勉強セッションで重みを最適化するように教えました。遺伝的アルゴリズムを使用したニューラルネットワークの重み最適化
どのように染色体をコードすることをお勧めしますか?
ランダムに生成された重みのテーブル(-100,100)として既に行っていますが、それは特別な結果をもたらしません。私は、突然変異の確率が高い場合でさえ、重みのランダムなテーブルを生成することは解空間を制限するという問題があると推測します。
遺伝的アルゴリズムをうまく機能させるために、染色体の重みをどのようにエンコードすればよいでしょうか?
ありがとうございます。
高速コンバージェンスと同じように高速ですか?次に、バッチ正規化を使用します。 –
遺伝的アルゴリズムを使うと、おそらく勾配降下や別の分析的学習アプローチを使うよりも多くのリソース(例えば、時間とCPU)が必要になるでしょう。 RMSpropやadagradを使ってみましたか? – jorgenkg
私はこれまで神経ネットワークの進化に取り組んできましたが、ネットワークウェイトをビットベクトルとして表現し、その2つの表現(ビットベクトル/重みリスト)間の変換を実行することが最も効率的な検索戦略であると感じました。 – jorgenkg