Автоассоциативная сеть

Генетический алгоритм обучения нейросети - алгоритм получения оптимальной архитектуры нейросети эволюционным путем. Создаются несколько сетей со случайной архитектурой(популяция особей). Каждая сеть представлена хромосомой - генетическим кодом, полностью описывающим ее архитектуру(прежде всего весовые коэффициенты). Над хромосомами совершаются операции скрещивания(crossover), репродукции, мутации. Посредством естественного отбора, т.е. вычисления функции приспособленности(fitness-функции) выбираются наиболее оптимальные на данном шаге архитектуры сети.

См. также: Алгоритм обучения нейросети, Архитектура нейросети.

Литература:
1) J.Holland, "The dynamics of searches directed by Genetic Algorithms.", In: Lee Y.S. (ed.) Evolution, Learning and Cognition. - Word Scientific, Singapore, 1988.
2) D.Goldberg, "Genetic Algorithms in Machine Learning, Optimization, and Search." - Addison-Wesley, 1988.
3) D.J.Montana,L.Davis, "Training feedforward neural networks using genetic algorithms." - Preprint, BBN Systems and Technologies, Cambridge, Mass., 1989.
4) A.J.Jones, "Genetic algorithms and their applications to the design of neural networks", Neural computing and applications, v.1, no. 1, 1993.

Ссылки:
1) NeuralBench: Генетический алгоритм обучения
2) Сотник С.Л., "Идентификация колебательного звена методом группового учета аргументов и искусственной нейронной сетью с генетическим алгоритмом обучения"
3) Эволюционная кибернетика: Лекция 10 Всё для Вас - центр ремонта htc - сайт.