research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Comparison between Lamarckian evolution and Baldwin evolution of Neural Network
مقارنة بين التطور اللاماركياني و التطور البالدويني في الشبكات العصبية

Author: Imad F. T. Yaseen
Journal: Al-Rafidain University College For Sciences مجلة كلية الرافدين الجامعة للعلوم ISSN: 16816870 Year: 2006 Issue: 19 Pages: 217-232
Publisher: Rafidain University College كلية الرافدين الجامعة

Loading...
Loading...
Abstract

Genetic algorithms are very efficient at exploring the entire search space; however, they are relatively poor at finding the precise local optimal solution in the region at which the algorithm converges. Hybrid genetic algorithms are the combination of learning algorithm (Backpropagation), usually working as evaluation functions, and genetic algorithms. There are two basic strategies in using hybrid GAs, Lamarckian and Baldwinian evolution. Traditional schema theory does not support Lamarckian learning, i.e., forcing the genetic representation to match the solution found by the learning algorithm. However, Lamarckian learning does alleviate the problem of multiple genotypes mapping to the same phenotype. Baldwinian learning uses learning algorithm to change the fitness landscape, but the solution that is found is not encoded back into the genetic string. We presented hybrid genetic algorithms for optimizing weights as well as the topology of artificial neural networks, by introducing the concepts of Lamarckian and Baldwin evolution effects. Experimental results with extensive set of experiments show that the hybrid genetic algorithm exploiting the Baldwin effect more effect than Lamarckian evolution but is slow in convergence, and The results of the proposed algorithms outperformed those of the previous algorithms.

الخوارزميات الوراثية كفوءة جدا في إستكشاف كامل فضاء البحث ,وعلى كل حال تعتبر فقيرة نسبيا في إيجاد الحلّ المثالي المحليّ الدقيق في المنطقة حيث تتقارب الخوارزمية . الخوارزميات الوراثية الهجينة تكون مجموعة من خوارزمية التعلّم (أنسياب الخطأ خلفا)التي تعمل عادة كدالة تقييم , والخوارزمية الوراثية.هناك إستراتيجيتان أساسيتان في إستعمال الخوارزمية الهجينة هما التطور اللاماركياني Lamarckian والتطور البالدويني Baldwinian . نظرية التماثل التقليدية لا تدعم التعلم اللاماركياني، وبمعنى آخر يجبر التمثيل الوراثي على مطابقة الحلّ الذي وجد بخوارزمية التعلّم.حيث التعلم اللاماركياني يعاني مشكلةمطابقة تعدد النمط الجيني genotypes إلى نفس النمط الظاهري phenotype.التعلم البالدويني يستخدم خوارزميةالتعلّم لتغييّر منظر الصلاحية، لكن الحلّ الذي يجده لم يرجع ليشفّرالخيط الوراثي. قدّمنا خوارزميات وراثية هجينة لتحسين الأوزان(مجموعة الموصلات) بالإضافة إلى الهيكل المثالي الى الشبكات العصبية الإصطناعية، بتقديم تأثير مفاهيم التطور اللاماركياني والتطورالبالدوين. النتائج التجريبية المجموعة الشاملة من التجارب وجدت الخوارزمية الوراثية الهجينة أنّ التطور البالدوين اكثر تأثيرا من التطور اللاماركياني لكنها بطيئة في التقارب،أضافة الى تفوق الخوارزميات المقترحة على الخوارزميات السابقة في تحديد أوزان و هيكل الشبكات العصبية .

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

English (1)


Year
From To Submit

2006 (1)