进化算法和神经网络在相同的领域中使用吗?
计算机/软件
0 196
1

我想了解各种类型的机器学习算法之间的区别。 我知道进化算法的实现与神经网络的实现有很大不同。 但是,它们似乎都适合从复杂的训练/历史数据确定输入和输出之间的相关性。 从定性的角度来看,是否存在与进化算法相反的,更适合作为神经网络目标的问题领域?

收藏
2021-01-29 01:58 更新 karry •  1803
共 1 个回答
高赞 时间
0

在机器学习问题中,通常有两个组成部分: a)模型(功能类等) b)拟合模型的方法(优化算法)

神经网络是一个模型:给定布局和权重设置,神经网络会产生一些输出。有拟合神经网络的规范方法,例如反向传播,对比发散等。但是,神经网络的重点在于,如果有人给你“正确的”权重,那么模型就会建立得很好。

进化算法解决第二部分-拟合模型。同样,进化算法还包含一些规范模型:例如,进化编程通常尝试对特定类型的程序进行优化。但是,进化算法本质上是一种为特定模型找到正确的参数值的方法。通常,用一种合理的方式编写模型参数,以便进行交叉操作,然后利用进化算法来获取合理的参数设置。

但是,进化算法工作的关键一点是,交叉操作必须是合理的-通过从一个合理的设置中获取部分参数,并从另一合理的设置中获取其余参数,你才会得到一个更好的参数设置。

收藏
2021-01-29 02:39 更新 anna •  2593