Курс эволюционных вычислений
Эволюционные вычисления (ПОЛНЫЙ КУРС) Обзор
Вводный пост о материалах, концепциях и приложениях, которые я буду освещать в этой новой серии!
Всем привет! Я решил создать целый курс по эволюционным вычислениям. В этом посте я дам лишь краткий обзор курса!
Эволюционные вычисления - это подраздел вычислительного интеллекта, ветвь машинного обучения и искусственного интеллекта. Применения эволюционных вычислений многочисленны: от решения задач оптимизации, проектирования роботов, создания деревьев решений, настройки алгоритмов интеллектуального анализа данных, обучения нейронных сетей и настройки гиперпараметров.
Если вы знакомы с моделями науки о данных и машинного обучения, все статистические модели и модели «черного ящика» построены для решения задач оптимизации. Возможно, вы знакомы с этими проблемами, такими как MSE, кросс-энтропия, MAE и т. Д., Где в этих случаях мы хотим минимизировать эти значения. Эволюционные вычисления - это область теории оптимизации, в которой вместо использования классических численных методов для решения задач оптимизации мы используем вдохновение из биологической эволюции для «разработки» хороших решений. Эволюционные вычисления обычно используются вместо стандартного численного метода, когда нет известной производной функции приспособленности (обучение по типу подкрепления) или когда функция приспособленности имеет много локальных экстремумов, которые могут улавливать последовательные методы.
Оглавление
- Материал, подлежащий покрытию
- Литература Примеры применения
- Предварительные мероприятия
- Заключение
Материал, подлежащий покрытию
- Блок 1) Теория оптимизации
- Раздел 2) Введение в эволюционные вычисления
- Блок 3) Генетические алгоритмы
- Блок 4) Генетическое программирование
- Раздел 5) Эволюционное программирование
- Блок 6) Стратегии развития
- Раздел 7) Дифференциальная эволюция
- Раздел 8) Коэволюция
Этот курс будет краткой, но все же подробной серией руководств по темам, упомянутым выше. Постов будет много, и они будут долго работать. Если у вас мало времени, просто прочтите разделы с 1 по 3, поскольку они дадут вам базовый обзор теории оптимизации, эволюционных вычислений в целом и генетических алгоритмов. Остальные блоки, а именно блоки 4–8, на самом деле представляют собой различные вариации самих генетических алгоритмов. Единственное отличие состоит в том, что они гиперпараметризованы для разных задач и обладают уникальными характеристиками; однако все они имеют схожие формы и подпадают под действие генетических алгоритмов.
Примеры литературных документов
В конце каждого раздела мы рассмотрим реальный пример, найденный в рецензируемом литературном документе. Вот различные примеры, которые мы рассмотрим:
- Блок 3) Обучение нейронной сети с прямой связью для анализа временных рядов
- Блок 4) Развитие основного уравнения / структуры той же проблемы временных рядов
- Раздел 5) Решение задачи ограниченного нелинейного программирования
- Блок 6) Алгоритм решения многоцелевых фронтов Парето
- Модуль 7) Автоматизированное машинное обучение: проектирование архитектуры CNN
- Блок 8) Разработка ИИ игры для игры в Lunar Lander
Предварительные мероприятия
Вот некоторые предварительные сведения, которые, как я полагаю, вы должны знать, чтобы наилучшим образом применить материал и понять концепции:
- Элементарная статистика - распределения вероятностей
- Линейная алгебра (основные понятия: умножение матриц, евклидово расстояние и т. Д.)
- Численные методы (основная концепция: зачем они используются и зачем они нужны)
- Как программировать на Python - работа со структурами данных и алгоритмами
- Знайте научные библиотеки Python - Numpy и Scikitlearn
Заключение
Эволюционные вычисления - это методология решения задач оптимизации. Проблемы оптимизации часто встречаются в областях машинного обучения и искусственного интеллекта. EC обычно используется в этих сценариях, где классические численные методы не могут найти достаточно хороших решений.
Хорошо, на этом базовый обзор курса завершен! Если какая-либо из обсуждаемых до сих пор тем или примеры приложений кажутся вам интересными, пожалуйста, оставайтесь здесь, поскольку мы рассмотрим все это и многое другое! В следующем посте мы начнем с Раздела 1) Теория оптимизации.
