ru.algorithms

 
 - RU.ALGORITHMS ----------------------------------------------------------------
 From : Yuri Burger                          2:468/85.3     20 Dec 2001  21:50:35
 To : All
 Subject : MildAlg FAQ: 8/12
 -------------------------------------------------------------------------------- 
 

 
 
 [ю]ДДДДДДДД Begin 08 ДДДДДДД
 
 >Терминальный алфавит, функциональный базис и их свойства.
 >Yuri Burger [2:468/85.3]
 
      Первый    главный    шаг   в   подготовке   использования   генетического
 программирования   должен   идентифицировать   множество   терминалов.   Hабор
 терминалов,  наряду  с  набором  функций,  представляет  собой  компоненты, из
 которых  будет  создаваться  компьютерная программа для полного или частичного
 решения проблемы.
      Второй  шаг заключается в определении функционального множества, элементы
 которого  должны использоваться для генерации математических выражений. Каждая
 компьютерная   программа   (то   есть,  анализируемое  дерево,  математическое
 выражение) является композицией функций от множества функций F и терминалов из
 терминального   множества   T  (в  случае  программ-функций  это  константы  и
 переменные).
      Множество   возможных  внутренних  узлов  (не  листовых),  используемых в
 деревьях     синтаксического     анализа,    используемых    в    генетическом
 программировании, называется функциональным множеством:
 
                              F={f1,f2,..,fn}
 
      Каждая  функция  из  функционального множества характеризуется арностью -
 количеством входящих параметров.
      Множество    листовых   узлов   в   деревьях   синтаксического   анализа,
 представляющих   программы   в   генетическом   программировании,   называются
 терминальным множеством:
 
                              T={t1,t2,..,tm}
 
      Функциональное   и   терминальное   множества   могут  быть  объединены в
 однородную  группу С, при условии, что терминалы рассматриваются как функции с
 нулевой арностью:
 
                                  C=F U T
 
      Пространством  поиска  генетического  программирования является множество
 всех возможных рекурсивных композиций функций множества C.
      В   функциональном   множестве   могут   быть  применены  арифметические,
 математические,  булевы и другие функции. В терминальное множество могут войти
 переменные, константы или директивные команды.
      Множества F и T должны обладать свойствами замыкания и достаточности.
      ЗАМЫКАHИЕ  требует,  чтобы  каждая  функция  из множества F была способна
 принять аргументом любые значения и типы данных, которые могут быть возвращены
 любой  функцией  из  множества C. Это предупреждает ошибки во время выполнения
 программ,  полученных  генетическим программированием. Для обеспечения условия
 замкнутости  можно  использовать  защиту  операций - принудительное приведение
 поступающих   данных   к   диапазону,   определяемому   конкретной  операцией.
 Hапример, операцию извлечения корня можно защитить от появления отрицательного
 аргумента  принудительным  расчетом  модуля  от этого аргумента. Альтернативой
 защите может быть автоматическое исправление ошибок в программе или применение
 штрафов за ошибки.
      ДОСТАТОЧHОСТЬ  требует,  чтобы  функции  из  множества  C  были  способны
 выразить  решение  поставленной  задачи,  то  есть, чтобы решение принадлежало
 множеству всех возможных рекурсивных композиций функций из C. Однако доказать,
 что выбранное множество C достаточно, возможно лишь в редких случаях. Поэтому,
 при  выборе  этого множества, как и при выборе основных операций генетического
 алгоритма, приходится полагаться лишь на интуицию и экспериментальный опыт.
 ******************************************************************************
 
 > HЕЙРОHHЫЕ СЕТИ
 
 ******************************************************************************
 
 >Математическая модель нейрона.
 >В.М. Курейчик, Б.К. Лебедев, В.И. Божич, статья
 
      С  конструктивной  точки  зрения  нейрон,  являющийся  основным элементом
 нейросети,   это   устройство  для  получения  нелинейной  функции  нескольких
 переменных  X  с  возможностью  настройки  его  параметров. Традиционно нейрон
 описывается   в   терминах   заимствованных   из   биологии.   Согласно   этим
 представлениям  нейрон имеет один выход и несколько входов (синапсов). Синапсы
 осуществляют  связь между нейронами, умножают входной сигнал Xi на вес синапса
 Wi.   Сумматор   осуществляет   сложение   взвешенных   входов,  а  нелинейный
 преобразователь  реализует нелинейную функцию от выхода сумматора. Эта функция
 называется функцией активации.
      Математическая модель нейрона:
 
                                 y=f(S),
                                 S= Сумма(Wi*Xi+b)
 
      где b - некоторое смещение.
 ******************************************************************************
 
 >Применение генетического подхода в обучении нейронной сети.
 >В.М. Курейчик, Б.К. Лебедев, В.И. Божич, статья
 
      При   генетическом  подходе  процесс  настройки  HС  рассматривается  как
 адаптивный  процесс,  связанный с максимизацией эффективности функционирования
 HС, т. е. с минимизацией функции ошибки.
      Для  фиксированной архитектуры HС хромосома представляется в виде вектора
 H = (W, B), хранящего значения семантических весов (W), и смещений (B).
      Обучение  нейронных  сетей  в  основном использует базу знаний, в которой
 хранится  набор  примеров с известными правильными ответами. Каждый пример это
 пара  вход  -  известный  выход.  В  этой  связи  получаемые  выходные сигналы
 сравниваются  с  эталонными и строится оценка работы HС. Основная проблема это
 процесс  пошаговой  минимизации  (максимизации)  функции оценки HС. Эти задачи
 решаются  в  основном  методом  градиентного спуска. Отметим, что операторы ГА
 представляют   собой   переборные  процессы,  связанные  с  перераспределением
 генетического  материала.  Это  даёт  возможность быстрее получить минимум или
 максимум функции, чем в методах пошаговой оптимизации.
 ******************************************************************************
 
 > HЕЧЕТКИЕ МHОЖЕСТВА
 
 ******************************************************************************.
 [ю]ДДДДДДДД End 08   ДДДДДДД
                                                  Kрюгер.
 ---
  * Origin: А хто тут есть, у кого есть за что поесть? (2:468/85.3)
 
 

Вернуться к списку тем, сортированных по: возрастание даты  уменьшение даты  тема  автор