Neuronales Netzwerktraining mit Partikelschwarmoptimierung

Question

Ich möchte ein neuronales Feed-Forward-Netzwerk mit Particle Swarm Optimization und Differential Evolution Algorithmen auf Matlab für die Vorhersage von Brustkrebs trainieren.

Ich bin neu in Matlab, also suche und finde ich George Evers Toolbox, aber ich weiß nicht, wie ich damit arbeiten soll, nachdem ich die Toolbox zum Matlab-Pfad hinzugefügt habe. Kann jemand mir die Schritte zeigen, um ein neurales Netz zu trainieren Danke

Answer 1

Haben Sie einen bestimmten Grund, die erwähnten Ansätze für das Training des Netzes zu verwenden?

Neuronale Netzwerke werden traditionell mit einem Gradienten-basierten Optimierer namens Fehler-Rückpropagation trainiert, und gradientenfreie Methoden wie die von Ihnen erwähnten sollten im Vergleich wahrscheinlich langsam sein.

Vielleicht sollten Sie einige spezifische Neural Network Toolboxen für MATLAB, wie die deep-learning-toolbox überprüfen.

Im Allgemeinen ist es wahrscheinlich vorzuziehen, eine der populären und effizienten Implementierungen (Theano, Torch, Tensorflow, Caffe) zu verwenden, wenn Netzwerke mit vielen Schichten betrachtet werden.

Answer 2

Nun, Sie können es tun, und ich habe dies mit Partikelschwarm und Differential Evolution getan. Aber was Sie tun müssen, ist, die Gewichte und Verzerrungen aus dem neuronalen Netzwerk manuell als Vektor zu extrahieren, um sie an den Optimierer zu übergeben, und dann müssen Sie in Ihrer Zielfunktion den Vektor wieder in Gewichte und Verzerrungen umwandeln die Architektur deines neuronalen Netzwerks.