Между ними существует много общего, поэтому я только попытаюсь описать их различия.
нейронные сети
способны анализировать онлайновые модели (те, которые изменяются с течением времени). Как правило, это выборка во времени, которая должна соответствовать и прогнозировать.
Примеры Графическая экстраполяция. Распознавание лица.
Генетические алгоритмы
Используется, когда вы можете закодировать атрибуты, которые вы думаете, может внести свой вклад в определенной, не-изменении задачи. Акцент делается на возможность кодировать эти атрибуты (иногда вы знаете, каковы они) и что проблема в значительной степени неизменна (иначе эволюции не сходятся).
Примеры: Планирование самолетов/доставка. Расписание движения. Поиск лучших характеристик для простого агента в искусственной среде. Отображение аппроксимации изображения со случайными многоугольниками.
Стоит отметить, что существует два типа нейронной сети - контролируемые и неконтролируемые. Контролируемые получают данные обучения от человеческой, неконтролируемой обратной связи в себе и в большей степени похожи на GA. –
Можем ли мы работать над выводом неконструктивных бит в вопрос? Это очень много вокруг «набора примеров», так как это самый список-у, и мы не хотим его поощрять. Ответы довольно хорошие, и мы хотели бы сохранить его таким образом. Мы будем рады открыть его после того, как этот бит позаботится. – casperOne
Я не думаю, что это «list-y» вообще. Ответы сравнивают два метода и уточняют, когда использовать один против другого. –