backpropagation 이외의 신경망을 훈련 할 방법이 필요합니다.

Question

이것은 현재 진행중인 벤처이며 일부 세부 사항은 의도적으로 난독 화되어 있습니다.

여러 개의 입력과 하나의 출력이있는 상자가 있습니다. 출력 전압은 입력 전압이 변화함에 따라 변합니다. 출력 시퀀스의 바람직 함은 많은 상태가 통과하고 룩 백 프로세스가 평가 될 때까지 평가 될 수 없다.

입력란에서 여러 출력을 가져 와서 최적의 다음 출력을 생성하기 위해 상자에 대한 올바른 입력 설정을 생성하는 신경망을 디자인하고 싶습니다.

backpropagation을 사용하여이 네트워크를 교육 할 수 없습니다. 이 네트워크를 어떻게 훈련시킬 수 있습니까?

Answer 1

유전자 알고리즘은 여기에서 좋은 후보가 될 것입니다. 염색체는 신경망의 가중치를 부호화 할 수 있습니다. 평가 후에는 성능에 따라 염색체에 적합성 값을 지정합니다. 높은 적합도 값을 갖는 염색체는 재현 가능성이 높으며 차세대에서 더 나은 수행 염색체를 생성하도록 도와줍니다.

가중치 인코딩은 비교적 간단한 해결책이며, 더 복잡한 방법은 네트워크의 토폴로지를 정의 할 수도 있습니다.

당신은 여기에 몇 가지 유용한 추가 정보를 찾을 수 있습니다

http://en.wikipedia.org/wiki/Neuroevolution

Answer 2

Hillclimbing 구현하는 가장 간단한 최적화 알고리즘이다. 무작위로 가중치를 수정하고 재설정하지 않을 경우 다시 확인하고 다시 시도하십시오. 또한 일반적으로 유전 알고리즘보다 빠릅니다. 그러나 지역 최적 조건에 걸리기 쉽기 때문에 여러 번 실행하고 최상의 결과를 선택하십시오.