是否有经验法则(或一组示例)来确定何时使用遗传算法而不是神经网络(反之亦然)来解决问题?
我知道在某些情况下可以将两种方法混合使用,但是我正在寻找两种方法之间的高级比较。
是否有经验法则(或一组示例)来确定何时使用遗传算法而不是神经网络(反之亦然)来解决问题?
我知道在某些情况下可以将两种方法混合使用,但是我正在寻找两种方法之间的高级比较。
Answers:
从维基百科:
甲遗传算法(GA)是在计算到所使用的搜索技术找到精确的或近似的解决方案,以优化和搜索问题。
和:
神经网络是非线性统计数据建模工具。它们可用于为输入和输出之间的复杂关系建模或查找数据中的模式。
如果您有一个问题可以量化解决方案的价值,则遗传算法可以对解决方案空间进行定向搜索。(例如找到两点之间的最短路线)
当您有许多不同类别的项目时,神经网络可以“学习” 对以前从未“看到”的项目进行分类。(例如人脸识别,语音识别)
还必须考虑执行时间。遗传算法需要很长时间才能找到可接受的解决方案。神经网络需要很长时间才能“学习”,但随后几乎可以立即对新输入进行分类。
在大多数情况下,遗传算法(尽管名字叫性感)是一种优化技术。它主要归结为您具有多个变量,并希望找到这些变量的最佳值组合。它只是借鉴了自然进化的技术才能达到目标。
神经网络对于识别模式很有用。他们遵循简单的大脑模型,通过改变它们之间的权重,尝试根据输入预测输出。
它们是两个根本不同的实体,但有时它们能够解决的问题重叠。
您可以使用遗传算法来替代反向传播算法,以更新神经网络中的权重。有关此示例,请参阅:http : //www.ai-junkie.com/ann/evolved/nnt1.html。