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

 
5.4
. Примеры моделирования эволюционных 
алгоритмов в приложении к нейронным сетям
Представленные примеры можно рассматривать как иллюстрацию 
возможности применения генетического (в частности, эволюционного) 
алгоритма для подбора весов нейронной сети. Этот алгоритм будет 
применяться в перечисленных примерах вместо традиционного метода 
обучения, например, вместо алгоритма обратного распространения 
ошибки 
(backpropagation). 
Очень часто применяется так называемый 
гибридный подход, состоящий в объединении обоих методов. Как 
правило, вначале при помощи генетического алгоритма находится ре-
шение, достаточно близкое к оптимальному, и затем оно 
рассматривается как отправная точка для традиционного поиска 
оптимальной точки, например, по методу обратного распространения 
ошибки. 
5.4
.1. Программы Evolver и BrainMaker 
Метод обратного распространения ошибки применяется для обучения 
нейронных сетей в программе 
BrainMaker
. В примере 3.30 с 
использованием этой программы тестируется нейронная сеть, 
реализующая логическую систему XOR со значениями весов, рассчи-
танными в п. 3.19.1 с помощью программы 
Evolver. 
При решении при-
меров 3.31 и 3.32 демонстрируется гибридный подход, т.е. обучение 
этой же нейронной сети программой 
BrainMaker, 
но при начальных 
значениях весов, рассчитанных генетическим алгоритмом программы 
Evolver. 
В свою очередь, пример 3.33 иллюстрирует обучение ней-
ронной сети, реализующей логическую систему XOR, при использова-
нии только программы 
BrainMaker.
Пример 5.1
Протестировать с помощью программы 
BrainMaker 
нейронную сеть, 
реализующую логическую систему XOR (рис. 3.11) с весами, рас-
считанными в примере 3.27 генетическим алгоритмом программы