Wybór korektorów neuronowych przy użyciu algorytmu genetycznego

W ciągu ostatnich dwóch dekad algorytmy genetyczne i sztuczne sieci neuronowe zostały połączone w celu rozwiązania kilku problemów. Pierwsze z nich zostały wykorzystane do pomocy w znalezieniu parametrów i decyzji dotyczących topologii drugich lub do radzenia sobie z ograniczeniami algorytmów uczenia się. Niektóre problemy wymagają zastosowania sieci neuronowych jako alternatywnego rozwiązania ale w literaturze naukowej rzadko można znaleźć badania opracowujące metodologię wskazującą najlepszą architekturę neuronową odpowiednią dla konkretnego zastosowania. W niniejszej pracy zastosowaliśmy algorytm genetyczny do wyszukiwania wag neuronowych i wykorzystaliśmy te informacje do wskazania najlepszej struktury oraz pomiaru wydajności algorytmu uczenia. Jako przykład do przetestowania proponowanej metodologii wykorzystaliśmy problem wyrównania kanałów. Wyniki uzyskane z tego zastosowania są bardzo obiecujące.