Дискретно-непрерывная математика. Кн. 0 : Алгоритмы. Ч. Генетические алгоритмы

 
Рис. 5.53. 
Вспомогательное объединение нейронной сети с 
генетическим алгоритмом. 
 
5.3
.3. Генетические алгоритмы для поддержки 
нейронных сетей
Подход, основанный на использовании генетического алгоритма для 
обеспечения работы нейронной сети, схематически представлен на рис. 
5.54.

---

А.Е. Кононюк Дискретно-непрерывная математика 
277 
Рис. 5.54. Вспомогательное объединение генетического алгоритма с 
нейронной сетью. 
Известно множество работ, посвященных подобному объединению 
рассматриваемых методов. Можно выделить три области проблем:
- применение генетического алгоритма для подбора параметров либо 
преобразования пространства параметров, используемых нейронной 
сетью для классификации;
- применение генетического алгоритма для подбора правила обучения 
либо параметров, управляющих обучением нейронной сети; 
- применение генетического алгоритма для анализа нейронной сети.
Две первые области приложения генетических алгоритмов в 
нейронных сетях, вообще говоря, позволяют улучшать функциони-
рование сетей (т.е. решают проблему синтеза), тогда как третья служит 
для анализа их функционирования. Начнем обсуждение с последней 
позиции.
Анализ нейронных сетей. 
Некоторые исследователи применяли 
генетические алгоритмы в качестве вспомогательного инструмента для 
выяснения закономерностей функционирования нейронных сетей либо 
анализа эффективности их работы. Генетический алгоритм 

---

А.Е. Кононюк Дискретно-непрерывная математика 
278 
использовался для построения «инструментальной системы», 
облегчающей понимание функционирования сети - попросту говоря, 
для выяснения, что и почему делает сеть. Такое понимание 
необходимо для того, чтобы нейросетевой классификатор не 
воспринимался в качестве «черного ящика», который формирует ответ 
неким таинственным образом, и чтобы решения по классификации 
объектов 
были 
объяснимыми. 
Подобный 
«инструментарий» 
(explanation facilities) 
используется в большинстве экспертных систем. 
Построение этих инструментов для их применения в нейронных сетях 
считается более масштабной проблемой, относящейся к анализу сетей. 
Генетический алгоритм применялся для построения так называемых 
кодовых векторов 
(codebook vectors), 
представляющих собой входные 
сигналы, при которых функция активации конкретного выходного 
нейрона сети принимает максимальное или близкое к нему значение. 
Входные векторы представлялись в хромосомах множеством 
вещественных чисел от 0,0 до 1,0. Анализировалась нейронная сеть, 
предназначенная для решения задачи классификации. Аналогичный 
подход применялся для сети ART1 (частного случая ART с двоичными 
входными сигналами). С помощью генетического алгоритма также 
проводился анализ нейронной сети, используемой в качестве модели 
ассоциативного запоминающего устройства. Приведенные примеры 
характеризуют 
вспомогательное 
объединение 
генетических 
алгоритмов и нейронных сетей, хотя и не могут считаться типичными 
по отношению к схеме, представленной на рис. 5.54.