使用遺傳算法進行模式預測

Question

我是遺傳算法的新手。我試圖預測規則出現的模式。例如，我有一套如下定義的規則。

規則1， 規則2， 規則3， 規則4， 規則5， 第6條，

對於給定的日期，我只能有規則2，規則3和規則6用於。從而說明如下

其中1表示該規則被使用，0表示規則永遠不會在這一天用我將代表該數據爲字符串。

所以我已經設置數據的5天，如下

011001， 100010， 110011， 101010， 111100，

我想什麼在這裏實現是預測的第6天的數據。我一直在閱讀遺傳算法和反向傳播方法來實現這一點。由於缺乏對這些概念的理解，我未能將我的問題與GA或BP進行對比。

如果有人能指出我正確的方向來幫助我將問題映射到GA或BP，我將不勝感激。任何幫助深表感謝。

Answer 1

規則的出現純屬 隨機

在這種情況下，有沒有辦法預測他們恐怕！

如果上述內容不準確（規則出現不是純粹隨機的），您是否有訓練集？它有多大？您應該在這裏比模式識別技術更注重模式識別技術。

例如經常性網絡似乎很適合您的問題。看看this paper，他們預測二進制時間序列，而不是二進制字符串，但它儘可能接近！

想到的另一種方法可能是將神經網絡+ GA以類似於他們在this paper here上進行財務預測的方式進行組合。

但我猜你需要一個更大的訓練集，無論哪種方式，你必須適應你的情況。

注意：這不是一項簡單的任務！

Answer 2

遺傳算法比預測更適合優化問題。然而，如果您對GA的使用感興趣，可以使用它來優化可用於預測模式的神經網絡的參數。另一個有用的東西是使用線性迴歸的機器學習。通過線性迴歸，迴歸線可以用作預測模式的估計量。

Answer 3

您可以使用遺傳算法優化您的規則集，然後提供優化集作爲神經網絡預測的輸入，恐怕您不能使用遺傳算法進行預測，需要預測推理規則或格式良好的訓練數據作爲輸入到NN（過去的信息）。