بهینه سازی شبکه عصبی با استفاده از الگوریتم های بهینه سازی، ترجیحا ژنتیک

---

شرح پروژه

سلام  دوستان 

امیدوارم که حالتون خوب باشه. 

من یک برنامه توی پایتون دارم. داخل این برنامه یک سری تابع با دستور def تعریف شدند که هر کدوم کار حاصی رو برای ساخت پیش نیازهای یک شبکه عصبی انجام میدن. نهایتا هم یک تابع دارم که شبکه عصبی رو میسازه و train و test رو انجام میده و نتایجش رو به من اعلام میکنه. 

شبکه عصبی با کتابحانه sklearn-MLPregressor  ساخته شده و همه پارامترهای ورودی رو به عنوان متغیر دریافت میکنه (مانند تعداد تکرار، تعداد لایه های مخفی و ...) 

حالا من میخوام این شبکه عصبی بهینه سازی بشه. حجم محاسباتش البته برام مهم نیست. چیزی که مهمه خروجی هست با دقت بالا. 

حالا برای این کار چند تا پارامتر هست که باید بهینه بشن: 

--- 1) داده های ورودی: 

تعداد داده های ورودی شبکه عصبی من به صورت نامحدود موجود هستند. اما نکته ای که وجود داره اینه که میخوام داده هایی که برای ترین و تست استفاده میشن، توی حداقل مقدار ممکن باشند. 

 من یک list of lists دارم که متغیرهایی که میتونند داخل شبکه عصبی استفاده بشند رو داخلش داره. یه چیزی شبیه این: 

Parameters = [
[VAR1-1, VAR1-2, VAR1-3],
[VAR2-1, VAR2-2, VAR2-3],
[VAR3-1, VAR3-2, VAR3-3],
[VAR4-1, VAR4-2, VAR4-3],
[VAR5-1, VAR5-2, VAR5-3],
[VAR6-1, VAR6-2, VAR6-3],
[VAR7-1, VAR7-2, VAR7-3],
[VAR8-1, VAR8-2, VAR8-3],
]

هر لیست از این لیست، یعنی هر سطرش، به صورت ترکیبی با هم یه فرمت دیتا رو تشکیل میدن که برنامه من میره دیتای مورد نظر رو از دیتا سنتر میخونه. حالا برای 1000 تا دیتا، این عمل هزار بار تکرار میشه تا 1000 تا دیتای مورد نیاز شبکه عصبی تامین بشه. یکی از این سطرها متغیر وابسته و بقیه مستقل هستند
این لیست ممکنه 200 تا لیست توش باشه. یعنی 200 تا متغیر
من میخوام حداقل تعداد از این متغیرها انتخاب بشن (از بین 200 تا)، به عنوان ورودی به شبکه عصبی داده بشن و شبکه عصبی کار ترین و تست رو انجام بده. تعداد داده هایی که استفاده میشه رو گفتم نامحدود موجوده، اما میخوام که این تعداد هم مینیمم بشه که مشکل اورفیتینگ به وجود نیاد



---- 2) یک پارامتر دیگه هم که میخوام الگوریتم ژنتیک برام عوض کنه، درصدی از دیتا هست که برای ترین و تست استفاده میشه که اصولا میخوام درصد ترین به حداقل برسه در حالی که پرفورمنس شبکه عصبی در حداکثر مقدار خودش باشه که مشکل اورفیتینگ به وجود نیاد

-----3) پارامترهای شبکه عصبی رو هم میخوام که الگوریتم ژنتیک عوض کنه که بهترین خروجی رو بگیره. پارامترهای ورودی شبکه عصبی شامل موارد زیر هستند. در واقع این خط، ساخت مدل شبکه عصبی در برنامه اصلی من هست:




mlp = MLPRegressor(hidden_layer_sizes=int(user_hidden_layer_sizes), activation=user_activation, solver=user_solver, batch_size=int(user_batch_size), learning_rate=user_learning_rate, learning_rate_init=float(user_learning_rate_init), max_iter=int(user_max_iter), shuffle=True, tol=float(user_tol), verbose=False, momentum=float(user_momentum))


بخوام خلاصه کنم، میخوام یک الگوریتم ژنتیک بنویسید که یه سری متغیر از من بگیره (هم پیوسته و هم گسسته)، و شبکه عصبی ای که با این متغیرها ساخته میشه رو بهینه کنه. به بهترین شکل ممکن. فیتنس فانکشن الگوریتم ژنتیک شما، خروجی ترین و تست شبکه عصبی من خواهد بود که میخوام قاعدتا، با حداقل درصد ترین، بهترین خروجی رو داشته باشم. نکته ای که هست، میخوام که جستجوی الگوریتم بهینه سازی تا اونجایی بره جلو که درصد ترین و تست، هر دو به بالای 99 درصد برسه. یعنی دو تا محدودیت برای الگوریتم ژنتیک



دوستان، من میدونم که دنبال چه کدی هستم. تلاش هم کردم که تا جایی که ممکنه توضیح بدم. فکر میکنم کتابخانه های آماده الگوریتم ژنتیک این کار رو انجام بدن (و ترجیح من هم همینه)، اما من فرصت مطالعه ندارم فعلا. خواهشا توضیحات رو بخونید، اگر سوالی بود مطرح کنید تا در صورت نیاز من صورت پروژه رو اصلاح کنم و بعد کار رو انجام بدیم.
پیشنهاد قیمت هم با شما.

انتخاب مجری ترکیبی از سابقه، قیمت و زمان انجام کار خواهد بود.

ارادتمند.

مهارت ها و تخصص های مورد نیاز

---

---