Neural network topology optimization with genetic algorithms using indirect encoding

ÖZET YAPAY SİNİR AĞLARI YAPILARININ GENETİK ALGORİTMALARLA DOLAYLI KODLANARAK ENİYİLENMESİ Yapay sinir ağları, yapılan bilindiğinde öğrenme yordamları ile öğrenilebilirler. Yapay sinir ağlarının boyutları ve karmaşıklığı performansını büyük ölçüde etkiler. Sinir ağının yapısı probleme bağlı olduğundan en uygun ağ yapısını bulmak kolay değildir. Bu çalışmada sunulan genetik sistem bu problemi otomatik çözmeye yöneliktir. Birim-grup modellemesi ve genetik yordamlar bu genetik sistemin iki ana parçasıdır. Sinir ağının yapısı birim-grup modeli ile betimlenmiştir. Bu yapı üzerinde uygun olan genetik algoritma işlemleri uygulanmıştır. Kurulan genetik sistem ikili ve gerçek değerli problemler üzerinde denenmiştir. ABSTRACT NEURAL NETWORK TOPOLOGY OPTIMIZATION WITH GENETIC ALGORITHMS USING INDIRECT ENCODING Neural networks can be trained with learning algorithms once their topology is known. The size and the complexity of the neural network greatly influence its performance. Since the topology of the neural networks is problem dependent it is not easy to construct the optimal neural network. The genetic system presented in this study is an approach to solve this problem automatically. The genetic algorithm and the unit-cluster model are the two main parts of this genetic system. The structure of the neural network is represented by the unit-cluster model. Suitable genetic algorithm operators are applied on them. The success of the implemented genetic system is tested on the binary and real valued problem sets. 66