Que yo sepa, el cálculo evolutivo solo se ha aplicado para optimizar los motores de reconocimiento de voz (frente a construirlos desde cero).
Por ejemplo: uso de algoritmos genéticos para mejorar el rendimiento del reconocimiento de voz basado en redes neuronales artificiales
El objetivo de este artículo es aplicar una red neuronal artificial (ANN) para reconocer el habla. Utilizamos el algoritmo genético (GA) para reemplazar el método de descenso más pronunciado (SDM) para el entrenamiento de BPNN, de modo que pueda ser una búsqueda global de peso óptimo en la red neuronal. Por lo tanto, el rendimiento del reconocimiento de voz fue mejorado por el método propuesto en este documento. El reconocimiento de altavoz no específico, que es entrenado por SDM, la tasa de reconocimiento alcanza hasta el 91% en este experimento. Este documento muestra que si BPNN es entrenado por un algoritmo genético, se logra una mayor tasa de reconocimiento.
- ¿Dónde empiezo a aprender reconocimiento de imágenes con algoritmos de aprendizaje automático?
- ¿Puedo usar word2vec para entrenar un clasificador de aprendizaje automático?
- ¿Cuál es la relación entre IA, aprendizaje automático y ciencias de la computación? ¿Hay especializaciones en IA o aprendizaje automático, o son especializaciones en informática?
- ¿Dónde puedo encontrar excelentes bibliotecas de aprendizaje automático para Java?
- ¿Por qué algunos sistemas de recomendación, como Netflix, dejan de funcionar con demasiadas calificaciones?
Recuerde que el cálculo evolutivo es esencialmente una técnica de metaoptimización: aún tendrá que definir de alguna manera las reglas sobre qué tipo de individuos puede generar.