Documente Academic
Documente Profesional
Documente Cultură
Obs:
- Probleme de rutare
- Probleme de planificare a activităților
- Probleme de alocare a resurselor
- Probleme de selecție
Se consideră:
Reduced
• un set de date caracterizat printr- Search Strategy
Dataset
un număr mare de atribute
Se pune problema selectării unui
subset de atribute astfel încât:
Subset Quality
• Să se maximizeze acuratețea Reduced Model
rezultatelor unor prelucrări
(clasificare)
• Să se minimizeze costul
prelucrării datelor Model Learning
n
y f ( w j x j w0 )
intrări j 1
w1 n Funcție de agregare a
u w j x j w0 intrărilor
Ieșire j 1
wj
f
f (u ) sgn( u ) f (u ) tanh( u )
1
f (u ) H (u ) f (u )
wn ponderi asociate 1 exp( u )
conexiunilor
Funcții de activare
(calcul semnal de ieșire)
Algoritmi metaeuristici - Curs 1 19
Antrenarea unei rețele neuronale
Structura unei rețele neuronale
artificiale:
- Arhitectura
- Funcționare
N1 2 N 0 1
yi f wik f wkj x j , i 1, N 2
- Antrenare bazată pe exemple: k 0
j 0
determinarea parametrilor care
minimizează o funcție de eroare Rețea feedforward cu un nivel ascuns
(pt probleme de clasificare, asociere)
(diferența dintre răspunsul
așteptat și cel produs de către
rețea)
- DarwinTunes
http://darwintunes.org/
[http://www.evogenio.com/de/GBEvoArt/EvoArt1.html]
Avantaje:
• Nu necesită cunoașterea proprietăților funcției obiectiv – este suficient să
poată fi evaluată
• Permit estimarea optimului global (cu condiția ca algoritmul să realizeze
explorarea adecvată a spațiului soluțiilor)
Dezavantaje:
• Există puține rezultate teoretice privind convergența sau privind calitatea
aproximării Algoritmi metaeuristici - Curs 1 23
Clase de metaeuristici
Componente:
- Inițializare
- Modificare (asigură explorarea spațiului soluțiilor)
- Selecție (asigură exploatarea de calitate bună)
Medii de experimentare:
SciLab, R
Mod de evaluare: