La gente siempre lo hace, combinando la red neuronal con el algoritmo genético. ANN es el algoritmo principal y GA es el algoritmo secundario.
Todavía está utilizando valores constantes en la capa oculta de ANN, pero evaluó esos valores constantes utilizando GA.
Digamos que tiene un ANN complejo, un complejo muy grande, la capa de entrada tiene 32 nodos, la capa oculta tiene más de 3 capas, y las entradas de muestra también son números muy grandes, la salida de muestra es la clave central, un número primo muy grande .
- Si quiero estudiar inteligencia artificial en el Reino Unido, ¿qué programas (principales) y qué universidades son las mejores opciones?
- ¿Cómo aprende una red neuronal? ¿Es por un algoritmo de propagación hacia atrás?
- ¿Existe un algoritmo informático que sea capaz de distinguir la música clásica compuesta por los mejores compositores (Bach, Mozart, Beethoven, etc.) de la música compuesta por sus contemporáneos menos considerados?
- ¿Los robots reemplazarán a los humanos como músicos algún día?
- ¿En qué debería especializarme si quiero estudiar la intuición artificial?
Su trabajo es encontrar una clave central de la función de cifrado utilizando ANN, y por supuesto este trabajo no es fácil, el número primo no puede dividirse totalmente por ningún número, excepto uno y solo.
Entonces comienza la iteración con alimentar esas entradas de muestra en los nodos de entrada y alimentar las salidas de muestra en los nodos de salida. Cuando intenta una nueva entrada e intenta rastrear la salida dada la nueva entrada, bam, no esas salidas no funcionan. Así que intenta aumentar los números de iteración, todavía no funciona. Lo aumentó más y usó múltiples subprocesos para hacerlo más rápido, todavía no funciona. La mayoría de las funciones de aprendizaje automático que ya usó, por lo que se atascó, ¡los valores constantes en las capas ocultas no funcionan!
Ni siquiera conoce la fuerza actual o la aptitud actual de esos valores constantes en las capas ocultas. La forma es que integra el algoritmo genético en capas ocultas y evalúa la idoneidad de los valores constantes dadas las entradas y salidas de muestra. Por lo tanto, esos GA comprenden la fuerza de esos valores constantes y controlan el proceso de evolución / iteración del proceso de aprendizaje ANN. Si todavía no funciona, eso significa que las entradas y salidas de muestra no son correctas para representar el valor de corrección de su entrada. GA sabe esto! Si se atascó, mantenga la iteración o la población mantenga la misma durante muchas horas, ¡eso significa que sus muestras no son correctas para representar el límite de corrección!
Lo que hace GA, parte de su iteración, los nuevos valores constantes pueden no ser más adecuados que los valores constantes actuales, por lo que GA rechazará los nuevos valores constantes y mantendrá la misma población. Y lo mismo ocurre si se mejora el nivel de condición física de la nueva población.
Nunca escuché sobre el uso de la red neuronal artificial en el algoritmo genético. ¿Cómo? Si sabes, por favor dime, ¡me gusta leer sobre eso!