Разработка процедуры синтеза искусственной нейронной сети, основанной на применении генетического алгоритма с социальными модификациями

В различных областях науки и техники одним из этапов является этап моделирования. Теория искусственных сетей является одним из основных и перспективных подходов к моделированию. Нейронная сеть может хранить, а затем воспроизводить динамическое поведение объекта в ситуациях, когда он знает. Аналитическая форма знаний недоступна для нейронной сети, но способна запоминать и обобщать конкретные эмпирические зависимости.

Особенности искусственных нейронных сетей привели к их широкомасштабному и успешному использованию при решении различных практических задач. В большинстве случаев их реализация - это интенсивный рабочий процесс, который требует много времени и материальных инвестиций. Каждый раз, когда исследователь, решивший использовать искусственную нейронную сетевую технологию для решения конкретной проблемы, сталкивается с проблемой архитектуры нейронной сети. Существует ряд классических методов настройки нейронной сети, но обычно они только корректируют весовые коэффициенты. Определение структуры в большинстве случаев - это метод проверки и ошибки, который не гарантирует нахождения оптимального решения и во многом зависит от субъективных взглядов исследователя на систему. Недостаточная сложность архитектуры нейронной сети приводит к недопустимой ошибке и лишает сеть свойств обобщения. Чрезмерная сложность архитектуры приводит к увеличению приближения скорости работы и шума, что также лишает сеть свойств обобщения. Все это приводит к необходимости создания эффективного метода автоматического обучения нейронной сети, который может повысить достоверность и снизить сложность моделирования нейронных сетей сложных систем. В этом отношении совершенствование нейронной сети является актуальной научной проблемой.

Улучшение эволюционной нейронной сети было достигнуто с использованием социального генетического алгоритма в автоматическом формировании структуры нейронной сети. Работа и эффективность генетического генетического алгоритма ранее были протестированы по различным вопросам оптимизации и показали хорошие результаты.

Социальный, генетический алгоритм, существует несколько типов индивидуальных вариантов: элитарность, апартеид, элитарность и обмен апартеида, лечение и поведенческая память.

Элитарность. Идея элитарности - создать дополнительные благоприятные условия для элиты общества. При внедрении программного обеспечения он клонирует процент, определенный лучшими людьми, для удовлетворения следующей популяции, сохраняя при этом право участвовать в создании населения, в котором они клонированы. Использование элитарности гарантирует, что максимальная адекватность населения не будет уменьшаться от одного поколения к другому, но может только увеличиваться. Использование этой модификации в алгоритме обычно способствует более быстрой сближению населения. Этот подход хорош для оптимизации унимодальных функций, и мультиэкстремаль может привести к преждевременной конвергенции.

Апартеид. В человеческом обществе понятие апартеида имеет следующее значение. Апартеид - это преднамеренное создание условий, ограничивающих свободы определенной группы людей. Развертывание апартеида в программном обеспечении - процент запрета, определяемый наиболее серьезными лицами, подходящими для участия в создании следующего населения.

Совместное использование апартеида и элитизма подразумевает одновременное применение обоих методов.

Лечение является одним из наиболее распространенных методов. Это безопасный способ передачи текущего неприемлемого решения в действующий домен. Существует несколько способов решения проблемы: минимизация функции ограничения нарушения; выполнить местный спуск на допустимой территории; в качестве основного человека выбирается ближайший человек (недействительные и базовые решения объединяются сегментом, на котором выбирается приемлемое решение). Когда мы используем этот алгоритм, есть два вопроса: кто должен идти к населению и как его оценивать. Эти проблемы разрешаются путем бросания неприемлемого решения, оставления заживших остатков или неприемлемого решения, но в зависимости от пригодности обрабатываемого раствора с учетом затрат на лечение.

Поведенческая память. Для реализации поведенческой памяти сначала случайным образом генерируется популяция, содержащая как допустимых, так и недопустимых индивидов, устанавливается счетчик ограничений . Минимизация j-ого ограничения происходит до тех пор, пока заданная часть популяции не окажется допустимой. Далее . Текущая популяция становится начальной, при этом индивиды, нарушающие ограничения отбрасываются. Алгоритм работает пока , если то выполняется оптимизация целевой функции с отбрасыванием недопустимых решений. Важно, чтобы наиболее простые ограничения стояли раньше. Минус данного подхода, что результат сильно зависит от того, как упорядочены ограничения. Но при правильном выполнении всех условий наблюдается высокая точность результатов.

Эффективность применения социального генетического алгоритма для автоматического выбора структуры нейронной сети была проверена на нескольких тестовых функциях и практической задаче.

В качестве практической задачи была выбрана задача классификации. Дано два набора данных, в которые включены винные образцы красно-белых вин с севера Португалии. Набор данных многомерный. Цель состоит в том, чтобы смоделировать винное качество, основанное только на физико-химических тестах.

Сравнение результатов производилось между классической эволюционной нейронной сетью и нейронной сетью, структура (количество слоев, нейронов на слое, весовые коэффициенты) которой настраивалась автоматически социальным генетическим алгоритмом. Эффективность работы оценивалась по величине ошибки. Модифицированная эволюционная нейронная сеть в большинстве случаев имела значительно меньшую ошибку. Результаты экспериментов подтвердили надежную работу алгоритма и показали высокую эффективность, что приводит к необходимости дальнейшего исследования алгоритма.

Список использованных источников

Построение ИТ-стратегии современного предприятия [Электронный ресурс]. — Режим доступа: URL: https://www.iemag.ru/opinions/detail.php?ID=17749

Разработка ИТ-стратегии в крупных компаниях (примеры реализации методологии) [Электронный ресурс]. — Режим доступа: URL: https://mipt.ru/upload/ed3/f_fy3f-arpgxa6mq5q.pdf

Оригинал работы:

Разработка процедуры синтеза искусственной нейронной сети, основанной на применении генетического алгоритма с социальными модификациями