Grundlagen - Cognitive Computing - page 76

nen Gewichte nicht berührt. Um ein solches Modell durch einen genetischen Algorith-
mus ausführen zu können, muss es in irgendeiner Weise kodiert werden. Entsprechend
dieser Codierung sind dann die Mutations- und Crossover-Operatoren zu formulieren.
Im klassischen genetischen Algorithmus ist der genetische Code ein Bitstring, also ein
eindimensionales Konstrukt. Ein konnektionistisches Modell ist aber eine zwei- oder drei-
dimensionale Struktur. Insofern gilt es, das Problem zu lösen, wie die zweidimensionale
Graphstruktur sich so auf eine lineare Repräsentation abbilden lässt, dass sich sinnvolle
genetische Operatoren finden lassen.
In Anlehnung an die Literatur und die Erfahrung der letzten Jahre kommen folgende
Kodierungsverfahren in Betracht:
• Blueprint-Kodierung : Das konnektionistische Modell wird komplett kodiert, d. h. jeder
Knoten und jede Verbindung wird durch ein Segment des genetischen Codes repräsen-
tiert. Diese Kodierung wird am häufigsten angewendet (Cliff et al. 1993 ).
• Parameter-Kodierung : Ein Satz von Parametern beschreibt das Aussehen des konnekti-
onistischen Modells. Es werden Eigenschaften einer Struktur, nicht die Struktur selbst,
kodiert. Diese Kodierungsart wird insbesondere zur Beschreibung modularer Modelle
eingesetzt (Mandischer 1993 ).
• Regel-Kodierung : Durch eine Reihe von Regeln wird beschrieben, wie das konnekti-
onistische Modell aufgebaut wird. Dieser Ansatz erlaubt durch den Einsatz rekursiver
Regeln insbesondere auch Modelle, die gleiche Substrukturen aufweisen. Dieser An-
satz erlaubt die kompakteste Kodierung (Gruau 1993 ).
Die meisten Anwendungen genetischer Algorithmen verwenden einen genetischen Code,
bei dem die Bedeutung des Gens durch seine absolute Position auf dem Chromosom gege-
ben ist. Mehr Flexibilität erhält man, wenn man für jedes Gen seine Position mitschreibt.
Durch Inversion kann dann die Reihenfolge der Gene verändert werden. Dies kann Vor-
teile im Fall von korrelierten Genen bringen, weil durch den Crossover-Operator nahe
zusammenliegende Gene seltener auseinandergerissen werden. Eine dritte Variante der
Kodierung ist durch das biologische Vorbild gegeben. Start- und Stoppgene markieren
sinnvolle Abschnitte auf dem Chromosom. Beim Umsetzen des Geno- in den Phänotyp
muss dann das Chromosom sequentiell gelesen und interpretiert werden.
Die einfachste Vorgehensweise zur Optimierung der Topologie des konnektionistischen
Modells besteht darin, die maximale Netzgröße vorzugeben und in einem evolutionären
Prozess die Menge der Verbindungen zu suchen, die die Fehlerrate für das Netz minimiert.
Durch das Streichen einzelner Verbindungen können einzelne Knoten isoliert werden, in-
dem sie keine Ein- und oder Ausgabe mehr besitzen. Knoten ohne Ausgabe können den
Output des Netzes nicht mehr beeinflussen und können somit auf jeden Fall gestrichen
werden. Knoten ohne Eingabe können als Generator eines konstanten oder variablen Sig-
nals dienen und somit als Threshold- oder Noisegenerator dienen. Die Gesamtarchitektur
kann noch zusätzlichen Restriktionen unterworfen werden, wie sie beispielsweise durch
die verwendete Lernfunktion gegeben sind. Soll mit Backpropagation trainiert werden, ist