我试图了解各种类型的机器学习算法之间的区别。
我知道进化算法的实现与神经网络的实现有很大不同。
但是，它们似乎都适合从一组可能嘈杂的训练/历史数据确定输入和输出之间的相关性。
从定性的 Angular 来看，是否存在与进化算法相反的，更适合作为神经网络目标的问题域？
我浏览了一些文章，建议以互补的方式使用它们。是否有一个合适的用例示例？
最佳答案
解决的方法是:在机器学习问题中，通常有两个组成部分:
a)模型(功能类等)
b)拟合模型的方法(优化算法)
神经网络是一个模型:给定布局和权重设置，神经网络会产生一些输出。存在一些拟合神经网络的规范方法，例如反向传播，对比发散等。但是，神经网络的重点在于，如果有人给您“正确的”权重，那么您会在此问题上做得很好。
进化算法解决第二部分-拟合模型。同样，进化算法还包含一些规范模型:例如，进化编程通常尝试对特定类型的所有程序进行优化。但是，EA本质上是一种为特定模型找到正确的参数值的方法。通常，您以一种合理的方式编写模型参数，以便进行交叉操作，然后转动EA曲柄以获取合理的参数设置。
现在，例如，您可以使用进化算法来训练神经网络，并且我确定它已经完成。但是，EA需要工作的关键一点是，交叉操作必须是一件合理的事情-通过从一个合理的设置中获取部分参数，并从另一合理的设置中获取其余参数，您通常会得到一个更好的参数设置。大多数情况下，使用EA并非如此，最终它就像模拟退火一样，只是更加困惑和效率低下。
关于artificial-intelligence - 进化算法和神经网络是否在同一领域中使用？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/628297/