Evolutionärer Entwurf neuronaler Netze

Institut für Informatik Inhaltsverzeichnis Einleitung Neuronale Netze Evolutionäre Algorithmen Evolutionärer Ansatz zu Konstruktion neuronaler Netze Advanced Evolutionary Algorithmus (AEA) Die Attribute des AEA Experimente Ergebnisse Institut für Informatik

Institut für Informatik Einleitung Die Eigenschafen der evolutionären Algorithmen - lernfähig - fehlertolerant Topologie neuronaler Netze Institut für Informatik

Institut für Informatik Neuronale Netze Biologische Neuronen Künstliche Neuronen Institut für Informatik

Evolutionäre Algorithmen Natürliche Evolution Evolutionäre Algorithmen als Such- und Optimierungsverfahren Vorgehensweise evolutionärer Algorithmen - Parameter -Chromosome -Funktionen Institut für Informatik

Evolutionärer Ansatz zu Konstruktion neuronaler Netze Population und Individuen - Neue Population und genetische Operatoren - Binäre Verschlüsselung der Formeln und als Chromosome - Mutation und Cross-Over Institut für Informatik

Evolutionärer Ansatz zu Konstruktion neuronaler Netze Ai = f7(a1 .x1 + a6 .(f4(a2 .x1)) + a7 .( f5(a3 .x1 + f3(a4 .x2))) + a8 .(f6(a5 . x2))) Institut für Informatik

Advanced Evolutionary Algorithmus (AEA) Die Attribute des AEA Verzweigung(Forking) Automatischer Austauchen der Wahrscheinlichkeitsverteilung der Mutation - Lernen Automatische Feststellung/Ermittlung der optimale Verarbeitungsgeschwindigkeit der neuronale Netze Verzweigung (Forking) : - Subräume -lokales und globales Optimum Institut für Informatik

Advanced Evolutionary Algorithmus (AEA) 2. Automatischer Austauchen der Wahrscheinlichkeitsverteilung der Mutation 3. Lernen -Beschleunigung der Evolution 4.Verarbeitungsgeschwindigkeit Institut für Informatik

Institut für Informatik Experimente Timita Automaten und TXOR-Funktionen Die Größe der resultierenden neuronalen Netzgröße durch AEA,GNARL,GARNN Beschleunigen der Evolution durch Lernen(30%) Institut für Informatik

Institut für Informatik Experimente Ameisen-Problem : - Die Futtersuche der Ameisen und Darstellung eines Problems in einem Graph -Durch AEA erreichte neuronales Netz durchschnittlicher Verlauf von 10 evolutionäre Ausführungen (AEA). Institut für Informatik

Institut für Informatik Ergebnisse AEA-Lösungen haben eine bessere Generalisierungsfähigkeit AEA hat eine höhere Verarbeitungsgeschwindigkeit Verbesserung der Wahrscheinlichkeitsverteilung der Mutation Entwicklung ein Modell eines mehrschichtigen neuronalen Netzes Institut für Informatik