Глава 1     Глава 2   
 

 

Использование механизмов генетической эволюции для обучения нейронных сетей кажется естественным, поскольку модели нейронных сетей разрабатываются по

аналогии с мозгом и реализуют некоторые его особенности, поя-

вившиеся в результате биологической эволюции [10, 28, 100].

Основные компоненты генетических алгоритмов – это стратегии

репродукций, мутаций и отбор "индивидуальных" нейронных сетей

(по аналогии с отбором индивидуальных особей) [28].

Важным недостатком генетических алгоритмов является слож-

ность для понимания и программной реализации. Однако преиму-

ществом является эффективность в поиске глобальных минимумов

адаптивных рельефов, так как в них исследуются большие области

допустимых значений параметров нейронных сетей. Другая причина

того, что генетические алгоритмы не застревают в локальных мини-

мумах – случайные мутации, которые аналогичны температурным

флуктуациям метода имитации отжига.

В [28, 88, 100] есть указания на достаточно высокую скорость

обучения при использовании генетических алгоритмов. Хотя ско-

рость сходимостиградиентных алгоритмов в среднем выше чем ге-

нетических алгоритмов.

Генетические алгоритмы дают возможность оперировать дис-

кретными значениями параметров нейронных сетей. Это упрощает

разработку цифровых аппаратных реализаций нейронных сетей. При

обучении на компьютере нейронных сетей, не ориентированных на

аппаратную реализацию, возможность использования дискретных

значений параметров в некоторых случаях может приводить к со-

кращению общего времени обучения.

В рамках «генетического» подхода в последнее время разрабо-

таны многочисленные алгоритмы обучения нейронных сетей, разли-

чающиеся способами представления данных нейронной сети в "хро-

мосомах", стратегиями репродукции, мутаций, отбора [241, 244,

245].

1. Каковы основные предпосылки применения нейронных сетей в про-

гнозировании?

2. В чем состоит принципиальная концепция построения нейронных

сетей?

3. Какие типы нейросетевых структур используются в прогнозиро-

вании?

4. Для чего используются генетические алгоритмы в процессах обу-

чения нейронных сетей?








if gte vml