신경망 대신 유전 알고리즘을 언제 사용해야 합니까?[닫은]
https://stackoverflow.com/questions/1402370
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian문제
문제를 해결하기 위해 신경망(또는 그 반대)이 아닌 유전 알고리즘을 언제 사용할지 결정하는 경험적 법칙(또는 일련의 예)이 있습니까?
두 가지 방법을 혼합하여 사용할 수 있는 경우가 있다는 것을 알고 있지만 두 가지 방법에 대한 높은 수준의 비교를 찾고 있습니다.
해결책
Wikipedia에서 :
ㅏ 유전자 알고리즘 (GA)는 컴퓨팅에 사용되는 검색 기술입니다. 찾기 정확하거나 근사 솔루션 최적화 및 검색 문제.
그리고:
신경망 비선형 통계 데이터 모델링 도구입니다. 입력과 출력 간의 복잡한 관계를 모델링하는 데 사용될 수 있습니다. 패턴을 찾으십시오 데이터에서.
솔루션의 가치를 정량화 할 수있는 문제가있는 경우 유전자 알고리즘 수행 할 수 있습니다 지시 된 검색 솔루션 공간의. (예 : 두 지점 사이에서 가장 짧은 경로를 찾습니다)
다른 수업에 여러 항목이 있으면 신경망 "학습"할 수 있습니다 나누다 이전에 "보이지 않는"항목. (예 : 얼굴 인식, 음성 인식)
실행 시간도 고려해야합니다. 유전자 알고리즘은 허용되는 솔루션을 찾는 데 오랜 시간이 걸립니다. 신경망은 "학습"하는 데 오랜 시간이 걸리지 만 새로운 입력을 거의 즉시 분류 할 수 있습니다.
다른 팁
유전자 알고리즘 (섹시한 이름에도 불구하고)은 대부분의 목적을 위해 최적화 기술. 주로 여러 변수를 가지고 있으며 이러한 변수에 대한 최상의 값 조합을 찾고자합니다. 그것은 단지 자연 진화에서 기술을 빌려서 거기에 도착합니다.
신경망은 유용합니다 패턴 인식. 그들은 뇌의 단순한 모델을 따르고, 그들 사이의 많은 가중치를 바꾸어 입력에 기초한 출력을 예측하려고 시도합니다.
그것들은 근본적으로 다른 두 개체이지만 때로는 겹침을 해결할 수있는 문제가 있습니다.
가스는 정의하는 구조로 새로운 패턴을 생성합니다.
NNS는 귀하가 제공하는 교육 데이터를 기반으로 기존 패턴을 분류 (또는 인식)합니다.
가스는 대형 상태의 솔루션을 효율적으로 검색하고 하나 이상의 우수한 솔루션을 수렴하지만 반드시 '최고의'솔루션은 아닙니다.
NNS는 (훈련을 통해) 패턴을 인식하는 법을 배울 수 있지만, 그들이 배운 것을 알아내는 것은 악명 높고, 즉, 일단 훈련 된 지식을 추출하고 다른 사람들 (NNN)의 지식을 재사용하는 것은 어렵습니다.
당신은 여기서 완전히 다른 두 가지를 비교하고 있습니다.
신경망은 회귀/분류에 사용됩니다 - (x, y) 예제가 주어지면, 주어진 x에 대해 알려지지 않은 y를 회귀하려고합니다.
유전자 알고리즘은 최적화 기술입니다. 함수 f (x)가 주어지면 f (x)를 최소화/최대화하는 x를 결정하려고합니다.
그들 사이에는 많은 유사점이 있으므로 나는 그들의 개요 만하려고 노력할 것입니다. 차이.
신경망
온라인 패턴 (시간이 지남에 따라 변하는 패턴)을 분석 할 수 있습니다. 일반적으로 이것은 일치하고 예측 해야하는 시변 샘플입니다.
예:
- 그래프 외삽
- 얼굴 인식
유전자 알고리즘
생각하는 속성을 코딩 할 수있는 경우 사용하여 특정의 변화가없는 문제에 기여할 수 있습니다. 이러한 속성을 코딩 할 수 있다는 점에 중점을두고 (때로는 자신이 무엇인지 알고 있음) 문제는 변하지 않는 것입니다 (그렇지 않으면 진화는 수렴되지 않습니다).
예:
- 비행기/배송 일정
- 시간표.
- 인공 환경에서 간단한 에이전트에 대한 최고의 특성 찾기
- 임의의 다각형으로 그림의 근사치를 렌더링합니다
유전자 알고리즘을 대안으로 사용할 수 있습니다. 역전 알고리즘 신경망에서 가중치를 업데이트합니다. 이의 예는 다음을 참조하십시오.http://www.ai-junkie.com/ann/evolved/nnt1.html.
유전자 알고리즘 (보통)은 개별 데이터 (열거, 정수 범위 등)에서 작동합니다. 가스에 대한 일반적인 응용 프로그램은 유일한 대안이 무차별 대안 검색 (모든 조합 평가) 일 때 "충분히 충분한"솔루션을위한 개별 공간을 검색하는 것입니다.
반면에 신경망은 (보통) 연속 데이터 (플로트 등)에서 작동합니다. NNS에 대한 일반적인 응용 프로그램은 함수 근사치이며, 여기서 입력 세트 x와 관련 출력 세트가 있지만 분석 기능 F : X → Y입니다.
물론, 둘 다의 수천 가지 변형이 있으므로 그들 사이의 선이 다소 흐릿합니다.
경험에 의한 법칙은 없습니다.대부분의 경우 둘 중 하나를 활용하여 문제를 공식화할 수 있습니다.기계 학습은 여전히 활발한 연구 분야이며 어떤 학습 모델을 사용할지는 논쟁의 여지가 있습니다.
GA는 진화에서 섹시한 언어를 취하지만 컴퓨터가 무작위 프로세스를 통해 해결책을 발견하기를 기다리고 있습니다.데이터를 연구하고, 좋은 가정을 하고, 원하는 것이 무엇인지 파악하려고 노력하고, 이를 잘 활용할 수 있는 접근 방식을 선택하세요.첫 번째 선택의 결과가 좋지 않으면 그 이유를 파악하고 알고리즘 자체를 개선하거나 더 나은 알고리즘을 선택하십시오.
