Martin Moller Pedersen wrote:
> In <a8flq7$r6k$1@sunsite.dk> Claus Rasmussen <clr@cc-consult.dk> writes:
>
>>Martin Moller Pedersen wrote:
>
>>> Man laver en population af netvaerk med tilfaeldelig vaegte og laver
>>> dem "spille" mod hinanden. De bedste netvaerk faar deres vaegte blandet
>>> med hinanden.
>>> Simpelt.
>
>>Jo. Men det involverer jo ikke GA andet end ved at man bruger
>>populationer, udvælgelse og parring i dem begge.
>
> GA er ikke andet end populationer, udvaelgelse og parring.
> Enig ?
>
>>Altså: Du har den overordnede algoritme for selektion. Den kan du så
>>bruge på enten GA eller NN. Men det involverer jo ikke GA i NN. Eller
>>hvad ?
>
> Jeg har laest ovenstaaende saetning et par gange, men jeg forstaar ikke
> hvad du proever at udtrykke.
Oh... Nu dæmrer det for mig. Sorry. Her er forklaringen:
De neurale netværk, jeg har arbejdet med har ligget i nogle populationer,
som jeg så kørte en udvælgningsalgoritme på. Nøjagtigt som det, du kalder
GA+NN. Da jeg skrev mit indlæg, glemte jeg så, at den mest almindelige
måde at træne neurale netværk på, var kun at have eet netværk, som man
lod korrigere sig selv, ved at vise det eksempler på rigtige svar.
Omvendt: Det jeg kaldte for GA var en implementation af en stakmaskine
med de sædvanlige operationer push, pop, add, dup osv., og hvor jeg lod
programmets instruktioner agere DNA. Disse stakmaskiner lå lige som
NN algoritmerne i en population, som jeg igen kørte udvælgningsalgoritmen
på.
Den skelnen, jeg foretog var altså på indholdet af individerne i popu-
lationen (om indmaden var en almindelig stakmaskine eller et neuralt
netværk), og ikke på om jeg anvendte den generelle udvælgelsesmekanisme
eller ej.
Men du har sikkert ret: At så snart man begynder at arbejde med popu-
lationer, så kaldes det GA, uanset hvad individerne er lavet af.
-Claus