gasaga.txt

来自「遗传算法结合神经网络的思想,希望给你指点光明」· 文本 代码 · 共 16 行

遗传算法优化神经网络结构的算法  

神经网络结构包括网络的拓扑结构(连接方式)和接点转移函数两方面. 
人们总是期望以简单的网络结构实现所需的信号处理功能,并尽可能达到较高的性能指标. 

利用遗传算法设计神经网络可根据某些性能评价准则如学习速度,泛化能力或结构复杂程度等搜索结构空间中满足问题要求的最佳结构.利用遗传算法设计神经网络的关键问题之一仍然是如何选取编码方案. 

借助遗传算法优化神经网络结构的算法步骤如下: 
1)随机产生若干个不同结构的神经网络,对每个结构编码,每个码链对应一个网络结构,N个码链构成种群. 
2)利用多种不同的初始连接权值分别对每个网络进行训练. 
3)计算在每个对应码链下神经网络的误差函数,利用误差函数或其他策略(如网络的泛化能力或结构复杂度)确定每个个体的适应度函数. 
4)选择若干适应度函数值最大的个体构成父本. 
5)利用交叉,变异等遗传操作算子对当前一代群体进行处理,产生新一代群体. 
6)重复上述2)-5)步骤,直到群体中的某个个体(对应一个网络结构)能满足要求为止.