نمايش پست تنها
قديمي ۰۶-۲۸-۱۳۹۳, ۰۵:۰۹ بعد از ظهر   #5 (لینک دائم)
mansor50 Male
عضو فوق فعال
 
آواتار mansor50
 
تاريخ عضويت: خرداد ۱۳۹۰
محل سكونت: مشهد
پست ها: 197
تشكرها: 2
48 تشكر در 42 پست
My Mood: Sepasgozar
پيش فرض

نقل قول:
نوشته اصلي بوسيله hamidrf نمايش پست
سلام
برای پروژه ای مجبور هستم نتایج آزمایشاتی ( در زمینه تولید قطعات صنعتی ) رو به وسیله شبکه عصبی مدل کرده و توسط الگوریتم ژنتیک فرایند مربوطه رو بهینه سازی کنم . در این فرایند 5 پارامتر ورودی موثر و 2 پارامتر خروجی دارم و تعداد کل آزمایشات هم 250 تا هست. نتیجه مطلوب برای ما در این فرایند پیدا کردن بهترین تنظیمات در ورودیها برای بدست آوردن بهترین شرایط در خروجی هستش.
سوالم اینه که:
1- چه نوع شبکه ای برای این کار مناسب تر هستش ؟( از لحاظ سادگی در طراحی و تحلیل و همچنین کاهش خطا)
2- چطور الگوریتم ژنتیک رو با این شبکه می شه تلفیق کرد ؟
(( اگر سوالم کامل نیست و یا ایراد داره به پای تازه کاریم بذارید... ))
سلام - شما اگر ترکیب بهترین ورودی ها که منجر به خروجی مطلوب میشه رو میخواید فقط باید از الگوریتم تکاملی استفاده کنید و اگر میخواید الگو سیستم رو به سیستم یاد بدید که بدونید مثلا بازای فلان ترکیب ورودی ایا خروجی مطلوب هست یا نه باید از شبکه استفاده کنید - ترکیب شبکه با تکاملی برای تنظیم وزنهای شبکه است
mansor50 آفلاين است   پاسخ با نقل قول