0

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

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

Antwort

0

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.

+0

ja Ich möchte das Netzwerk für die Vorhersage von Brustkrebs verwenden – juliana

+0

Sie bereits sagte uns in Ihrer Frage. Aber wie beantwortet das Peters Frage? – sascha

+0

Ich habe gerade die Frage aktualisiert, weil ich vergessen habe, den Grund hinzuzufügen, jedenfalls von dem, was ich von vielen Papieren verstehe, die PSO und die Rückverbreitung vergleichen, enden sie damit, dass PSO besser ist. Mein Ziel ist es auch, einen Vergleich über die Leistung der 2 Methode zu machen – juliana

0

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.