Sur quelles tâches la neuroévolution surpasse-t-elle l'application de base des réseaux de neurones ou des algorithmes génétiques?


8

Il y a eu un intérêt récent à combiner des algorithmes génétiques et des réseaux de neurones dans un cadre général de neuroévolution. L'idée de base est que votre algorithme génétique fait évoluer les paramètres de nombreux réseaux de neurones qui sont ensuite utilisés pour résoudre votre tâche actuelle. Une sorte de programmation génétique, mais au lieu de faire évoluer un extrait de code pour effectuer une tâche, vous faites évoluer un réseau de neurones.

Quand devrais-je utiliser cette approche combinée au lieu d'utiliser des réseaux de neurones ou des algorithmes génétiques par eux-mêmes? Pour quels types de problèmes l'approche combinée a-t-elle produit de meilleurs résultats que les approches individuelles? Pour quels types de problèmes l'approche combinée est-elle la «meilleure» approche?

Réponses:


10

Cela fait l'objet de recherches depuis environ 20 ans, et de nombreux articles prétendent surpasser la rétropropagation. Xin Yao a fait beaucoup de travail à ce sujet dans les années 1990 et Kenneth Stanley a créé l'un des cadres actuellement les plus actifs, NEAT (NeuroEvolution of Augmenting Topologies (voir http://www.cs.ucf.edu/~kstanley/neat). html et http://tech.groups.yahoo.com/group/neat/ ).

Il existe de nombreux documents publiés sur différentes techniques neuroévolutionnaires, mais ces références peuvent être utiles pour avoir une idée des progrès au fil des ans:

  1. Azzini, A., Tettamanzi, A. (2008) «Evolving Neural Networks for Static Single-Position Automated Trading», Journal of Arti fi cial Evolution and Applications, Volume 2008, Article ID 184286
  2. Hintz, KJ, Spofford, JJ (1990) 'Evolving a Neural Network', Actes, 5e Symposium international de l'IEEE sur le contrôle intelligent, pp. 479-484
  3. Miller, GF, Todd, PM, Hedge, SU (1989) 'Designing neural networks using génétique algorithms', Actes de la troisième conférence internationale sur les algorithmes génétiques
  4. Montana, DJ (1995) «Neural Network Weight Selection Using Genetic Algorithms», Intelligent Hybrid Systems
  5. Yao, X. (1993) «Réseaux neuronaux artificiels évolutionnaires», International Journal of Neural Systems, vol. 4, n ° 3, pp. 203-222
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.