Предсказание паттернов с использованием генетического алгоритма

Question

Я новичок в генетическом алгоритме. Я пытаюсь предсказать характер возникновения правил. Например, у меня есть набор правил, определенных ниже.

Правило 1, Правило 2, Правило 3, Правило 4, Правило 5, Правило 6

На определенную дату я мог использовать только Правило 2, Правило 3 и Правило 6. Поэтому я хотел бы представить эти данные в виде строки, как указано ниже

0 1 1 0 0 1

где 1 обозначает, что правило используется, а 0 обозначает, что правило никогда не используется в этот день.

Итак, я бы получил набор данных за 5 дней, как показано ниже

011001, 100010, 110011, 101010, 111100

Чего я хотел бы достичь, так это предсказать данные 6-го дня. Я читал о генетическом алгоритме и методе обратного распространения, чтобы достичь этого. Мне не удалось сопоставить мою проблему с GA или BP из-за отсутствия понимания этих концепций.

Буду признателен, если кто-нибудь укажет мне правильное направление, чтобы помочь мне сопоставить мою проблему с GA или BP. Любая помощь очень ценится.

Answer 1

Вхождение правил является чисто случайнымслучайность не чисто случайная), есть ли у вас тренировочный набор?Насколько это велико?Вы должны смотреть на методы распознавания образов здесь больше, чем на GA.

Например, рекуррентные сети кажутся подходящими для вашей проблемы.Взгляните на эту статью , они предсказывают двоичные временные ряды вместо двоичных строк, но они настолько близки, насколько это возможно!

Другим подходом, который приходит на ум, может быть объединение нейронных сетей + ГА таким же образом, как они это делают на этой статье здесь для финансового прогнозирования.

Но я предполагаю, что вам нужен гораздо больший тренировочный набор, и вам придется адаптировать его к вашему случаю.

Осторожно: это не тривиальная задача!

Answer 2

Вы можете оптимизировать набор правил с помощью GA, а затем предоставить набор оптимизации в качестве входных данных для нейронной сети для прогнозирования. Боюсь, вы не можете использовать GA для прогнозирования, для прогнозирования необходимы правила вывода или правильно сформированные обучающие данные в качестве входных данных дляNN (прошлая информация).

Answer 3

GA больше подходят для задач оптимизации, чем для прогнозирования.Однако если вы заинтересованы в использовании GA, вы можете использовать его для оптимизации параметров нейронной сети, которые можно использовать для прогнозирования модели.Еще одна полезная вещь - это машинное обучение с использованием линейной регрессии.При линейной регрессии линия регрессии может использоваться в качестве оценки для прогнозирования паттернов.