Evolutionärer Entwurf neuronaler Netze

Präsentation zum Thema: "Evolutionärer Entwurf neuronaler Netze"—  Präsentation transkript:

1 Evolutionärer Entwurf neuronaler Netze

2 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

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

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

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

6 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

7 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

8 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

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

10 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

11 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

12 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