Usted elige a los padres al azar de la población, pero de tal manera que los padres más fuertes (con una puntuación más alta) tienen una mayor probabilidad de ser seleccionados. Luego intercambias genes entre los padres para generar la descendencia. En ciertos casos, puede mutar un gen en particular para aumentar el “caos” en el sistema para que no se quede atascado en un “máximo local” (una buena pero no la mejor solución). También puede elegir prácticas como matar a los descendientes más débiles, proteger a los más fuertes, etc. Así es como funcionan los GA en general.
Si bien las prácticas como seleccionar preferiblemente a los padres más fuertes para aparearse y matar a los descendientes más débiles introducen el orden en el sistema, estabilizándolo y asegurando buenas soluciones, factores como la cantidad de aleatoriedad involucrada en la selección de los padres y la tasa de mutación introducen el caos en el sistema – ensanchándose el área de búsqueda y garantizar que el sistema no se atasque en una buena solución, sino que siempre esté buscando lo mejor. Su trabajo consiste en modificar estos parámetros del algoritmo para equilibrar el orden y el caos en el sistema para alcanzar la descendencia óptima.
- ¿Qué es el aprendizaje federado?
- ¿Cuánta potencia informática requiere un robot inteligente general?
- Dadas las imágenes no epipolares en 2D de un objeto desde diferentes vistas (pero solo una parte), ¿cómo hacer que la IA prediga su reposo (modelo 3D completo) como un humano?
- ¿Puedo usar redes neuronales artificiales para la aproximación dinámica de funciones que están cambiando en el tiempo de manera impredecible?
- ¿Cuál es la diferencia entre una red de creencias profundas (DBN) y una red neuronal recurrente (RNN)?
