Description
W ciągu ostatnich dwóch dekad algorytmy genetyczne i sztuczne sieci neuronowe zostaly polączone w celu rozwiązania kilku problemów. Pierwsze z nich zostaly wykorzystane do pomocy w znalezieniu parametrów i decyzji dotyczących topologii drugich, lub do radzenia sobie z ograniczeniami algorytmów uczenia się. Niektóre problemy wymagają zastosowania sieci neuronowych jako alternatywnego rozwiązania, ale w literaturze naukowej rzadko można znaleźc badania opracowujące metodologię wskazującą najlepszą architekturę neuronową odpowiednią dla konkretnego zastosowania. W niniejszej pracy zastosowaliśmy algorytm genetyczny do wyszukiwania wag neuronowych i wykorzystaliśmy te informacje do wskazania najlepszej struktury oraz pomiaru wydajności algorytmu uczenia. Jako przyklad do przetestowania proponowanej metodologii wykorzystaliśmy problem wyrównania kanalów. Wyniki uzyskane z tego zastosowania są bardzo obiecujące.
