我试图了解各种类型的机器学习算法之间的差异.
据我所知,进化算法的实现与神经网络的实现完全不同.
然而,它们似乎都在确定潜在噪声训练/历史数据集的输入和输出之间的相关性.
从定性的角度来看,与进化算法相比,是否有问题域是神经网络的更好目标？
我已经浏览了一些建议以互补的方式使用它们的文章.有一个很好的用例的例子吗？
artificial-intelligence machine-learning neural-network evolutionary-algorithm
我对进化算法有很好的基础,所以现在我开始阅读人工神经网络.我在http://www.ai-junkie.com/ann/evolved/nnt2.html上看到了这个教程 ,展示了如何使用人工神经网络来发展收集地雷的坦克.它使用GA来演化每个神经元的输入权重.
我知道我可以使用GA(没有ANN)来解决同样的问题.我已经使用GA创建了一个俄罗斯方块机器人,以优化网格评估功能中的权重(查看我的博客http://www.bitsrandomicos.blogspot.com.br/).
我的问题是:在我可以单独使用GA的情况下,使用ANN + GA之间的概念/实际区别是什么？我的意思是,我的俄罗斯方块机器人是神经网络吗？(我不这么认为).
有几个相关的问题,但我找不到答案:
谢谢!