poster
2019-12-10, 16:49
遗传算法是最优化隐藏节点数量和在人工神经网络上完成训练量的最有效方法吗？
我正在使用Matlab中的NNToolbox对神经网络进行编码。我对优化技术的其他建议持开放态度，但我对GA最为熟悉。
回答：
实际上，您可以针对GA使用GA进行多项优化。您可以优化结构（节点数，层数，激活功能等）。您也可以使用GA进行训练，这意味着可以设置权重。
遗传算法永远不会是最有效的，但通常在您不知道要使用什么数字的线索时才使用遗传算法。
为了进行训练，您可以使用其他算法，包括反向传播， 纳尔德·米德 (http://en.wikipedia.org/wiki/Nelder-Mead_method)算法。
您说过您想优化隐藏节点的数量，为此，遗传算法可能已足够，尽管远非“最优”。您正在搜索的空间可能太小，无法使用遗传算法，但是它们仍然可以正常工作，并且已经在matlab中实现，因此没什么大不了的。
优化培训量意味着什么？如果您指的是时期数，那很好，请记住，训练在某种程度上取决于起始权重，并且它们通常是随机的，因此用于GA的适应度函数实际上并不是函数。
更多&回答... (https://stackoverflow.com/questions/828486)
我正在使用Matlab中的NNToolbox对神经网络进行编码。我对优化技术的其他建议持开放态度，但我对GA最为熟悉。
回答：
实际上，您可以针对GA使用GA进行多项优化。您可以优化结构（节点数，层数，激活功能等）。您也可以使用GA进行训练，这意味着可以设置权重。
遗传算法永远不会是最有效的，但通常在您不知道要使用什么数字的线索时才使用遗传算法。
为了进行训练，您可以使用其他算法，包括反向传播， 纳尔德·米德 (http://en.wikipedia.org/wiki/Nelder-Mead_method)算法。
您说过您想优化隐藏节点的数量，为此，遗传算法可能已足够，尽管远非“最优”。您正在搜索的空间可能太小，无法使用遗传算法，但是它们仍然可以正常工作，并且已经在matlab中实现，因此没什么大不了的。
优化培训量意味着什么？如果您指的是时期数，那很好，请记住，训练在某种程度上取决于起始权重，并且它们通常是随机的，因此用于GA的适应度函数实际上并不是函数。
更多&回答... (https://stackoverflow.com/questions/828486)