Публикации по теме 'genetic-algorithm'
Мои эксперименты по замене обратного распространения ошибки при глубоком обучении (SGD) генетическим алгоритмом
В этой статье описаны эксперименты, которые я провел, чтобы заменить стохастический градиентный спуск (SGD) и обратное распространение в моделях глубокого обучения генетическим алгоритмом (GA).
В качестве спойлера позвольте мне сказать, что эти ранние эксперименты не проводились даже близко к SGD. Однако в выводах я говорю об этом больше.
Контекст
В этой статье я воспользуюсь следующей схемой, чтобы показать основной поток, используемый сегодня при обучении моделей глубокого обучения...
Эволюционные алгоритмы: генетические алгоритмы
СТАТЬЯ
Эволюционные алгоритмы: генетические алгоритмы
Из книги Алгоритмы искусственного интеллекта Grokking Ришала Хурбанса
Что вы узнаете из этой статьи:
§ Жизненный цикл генетического алгоритма.
§ Проектирование и разработка генетического алгоритма для решения задач.
§ Параметры для настройки жизненного цикла генетического алгоритма на основе различных сценариев, проблем и наборов данных.
_____________________________________________________________
Получите скидку 37%..
Бумажная репродукция: глубокая нейроэволюция
В этом посте мы воспроизводим недавнюю статью Uber Глубокая нейроэволюция: генетические алгоритмы - конкурентная альтернатива для обучения глубоких нейронных сетей для обучения с подкреплением », в которой удивительным образом показано, что простые генетические алгоритмы иногда работают лучше, чем явно продвинутые алгоритмы обучения с подкреплением. изучал такие проблемы, как игры Atari.
Мы сами достигнем высочайшего уровня производительности Frostbite, игры, которая годами ставила в..
Нежное введение в генетические алгоритмы с Go
Внедрение генетических алгоритмов путем эволюции Моны Лизы
На первый взгляд это может показаться неочевидным, но алгоритмы информатики часто вдохновлены природой и биологическими процессами. Некоторые из этих алгоритмов включают нейронные сети, оптимизацию роя частиц, искусственную пчелиную колонию, оптимизацию муравьиной колонии, эволюционные алгоритмы и многие другие. На самом деле биологические процессы можно считать просто алгоритмами, которые придумала природа для решения проблем. С..
Понимание генетических алгоритмов
Понимание аспектов эволюционного программирования с генетическими алгоритмами
Введение
Генетические алгоритмы — это алгоритмы поиска и оптимизации общего назначения, которые используют принципы, вдохновленные естественной популяционной генетикой, для поиска решений проблем. GA основан на эволюционном программировании и использует оптимизацию стохастического градиента. ГА работает с популяцией людей, представляющих потенциальные решения данной проблемы. ГА стремятся производить..
Серия алгоритмов поиска: GA
Генетический алгоритм
ГА — это концепция, придуманная еще в 1960-х годах, и она соответствует модели эволюции таким образом, что она естественным образом выбирает из популяции для решения конкретной проблемы. Чтобы дать этому больше контекста, его можно рассматривать как процесс динамического изменения параметров в бесконечном количестве взаимодействий, чтобы найти целевое решение или найти интересные решения посредством процесса мутации и кроссовера, обсуждаемого позже в этом..
Демистификация генетических алгоритмов для улучшения нейронных сетей
Любой, кто имеет значительный опыт работы с нейронными сетями, хорошо осведомлен о сложности выбора правильных гиперпараметров для решаемой задачи, а также о большом количестве времени, которое может потребоваться сети для изучения функций. Но не все из этих людей экспериментировали с мощным решением - генетическими алгоритмами (GA).
Для непосвященных генетические алгоритмы вдохновлены теорией естественного отбора Чарльза Дарвина и отражают идею выживания наиболее приспособленных людей...