我对这个主题很陌生，所以任何帮助都会很棒。我需要的是使用 GA 在 MATLAB 中优化神经网络。我的网络有 [2x98] 输入和 [1x98] 目标，我已经尝试咨询 MATLAB 帮助，但我仍然对该怎么做一无所知:(所以，任何帮助将不胜感激。提前致谢。
编辑：我想我没有像丹在第一个答案中所说的那样说要优化什么。我想最重要的是隐藏神经元的数量。可能还有隐藏层的数量和训练参数，比如 epoch 的数量。抱歉没有提供足够的信息，我还在学习这个。
问问题
5632 次
6 回答
1
如果这是一项家庭作业，那就去做你在课堂上学到的任何东西。
否则，完全放弃 MLP。支持向量回归（http://www.csie.ntu.edu.tw/~cjlin/libsvm/）在广泛的问题中更可靠地训练，并且几乎永远不会遇到卡在本地的问题-minima 问题经常受到反向传播训练的 MLP 的影响，这迫使您解决网络拓扑优化问题，只是为了找到一个可以实际训练的网络。
于 2010-01-19T18:03:41.200 回答
0
我假设您有一组需要调整的参数（隐藏层数，每层神经元数...），而不是蛮力搜索所有组合以选择一个好的组合，GA 可以帮助您“跳跃”从这个组合到另一个组合。因此，您可以“探索”潜在候选人的搜索空间。
GA 可以帮助选择“有用的”功能。某些功能可能看起来是多余的，您想要修剪它们。然而，比如说，数据的特征太多，无法通过某些方法（例如前向选择）来搜索最佳特征集。同样，GA 可以从这个集合候选“跳”到另一个。
您将需要找到对输入 GA 的数据（输入参数、特征...）进行编码。为了找到一组输入参数或一组好的特征，我认为二进制编码应该有效。此外，为遗传算法选择算子来繁殖后代也很重要。然而 GA 也需要调整（早期停止也可以应用于 ANN）。
这里只是一些想法。您可能想搜索有关 GA、特征选择、ANN 修剪的更多信息......
于 2010-01-19T18:16:11.607 回答
0
由于您已经在使用 MATLAB，我建议您查看遗传算法求解器（称为 GATool，是Global Optimization Toolbox的一部分）和Neural Network Toolbox。在这两者之间，您应该能够节省相当多的计算时间。
您基本上必须完成两项主要任务：
- 为您的候选解决方案提出一个表示（或编码）
- 编码你的适应度函数（基本上测试候选解决方案）并将其作为参数传递给 GA 求解器。
如果您在提出适应度函数或候选解决方案的编码方面需要帮助，那么您必须更加具体。
希望能帮助到你。
于 2011-02-10T17:58:31.477 回答
0
好吧，您需要更具体地了解您要优化的内容。是隐藏层的大小吗？你有隐藏层吗？是参数优化（学习率、内核参数）吗？
于 2010-01-19T17:19:55.183 回答
-1
在 Google Scholar 上查找 Matthew Settles。在过去的 5-6 年里，他在爱达荷大学做了一些这方面的工作。他应该有与你的工作相关的引文。
于 2010-01-19T18:34:47.523 回答