フォトプレチソモグラムを以下に示します。

基本的に、画像の明るさが時間の関数として上下するのがわかります。この出力は、指の血流を測定するパルスオキシメータからのものである可能性があります。

私の質問はこれです、「ドロップ」の頻度を把握するための遺伝的アルゴリズム（または一般的には進化的計算）ベースのアプローチはありますか。FFT（よくDFT）が周波数を計算できることを知っています（または、少なくとも上記の入力の周波数ドメイン表現を提供してくれます）。

遺伝的アルゴリズムの手法を使用してこの問題を解決しなければならないとしたら、どのようにアプローチしますか? (私は実際の解決策を探しているのではなく、表現とフィットネス関数が GA 設計でどのように見えるかについてのあなたのアイデアだけを探しています)。

私は進化芸術アルゴリズムについていくつかの研究を始めました。私はそれについて多くの文書を読みました。しかし、理解するのは簡単ではないようです。ウェブサイトhttp://picbreeder.comは、この良い例です。しかし、これは複雑すぎるため、最初は必要ありません。これに関する Javaの簡単なコードはどこにありますか? コードを読むことが大いに役立つと思います。ありがとう！！！

エージェント技術による進化的コンピューティングのための新しい探索手法を見つけようとしています。私はこれについて何の考えも持っておらず、実装したいと思っています。これに詳しい人はいますか？研究論文を提案してくれる人はいますか? Googleで検索しました。少し興味深い論文が見つかりませんでした。助けてください...

私は現在、進化的アルゴリズムを使用してギター エフェクトをシミュレートする専門プロジェクトに取り組んでおり、これを行うために Python と CSound を使用したいと考えています。

アイデアは、Python のアルゴリズムでエフェクト パラメータを生成し、それらを CSound に送信し、フィルタをオーディオ ファイルに適用してから、新しいオーディオ ファイルを Python に送り返し、周波数分析を実行してターゲット オーディオ ファイルと比較することです (これはオーディオ ファイルがターゲット オーディオ ファイルと十分に類似するまでループで実行されるため、CSound と Python の間で送受信が頻繁に行われます)。

簡単に言うと、Python から CSound (.csd ファイル) にデータを送信する方法、.csd ファイル内のデータを読み取る方法、CSound から Python に .wav ファイルを送信する方法を教えてください。また、オーディオ ファイルの基準が満たされるまで、これが単独で動的に機能することも推奨されます。

前もって感謝します

こんにちは、ご覧いただきありがとうございます。

バックグラウンド

約 3400 文字のエンコードされたデータの文字列を含む 1900 個のノードを含む XML ファイルがあります。

私が開発しているアプリケーションのユースケースの一部として、実行時に「ベンチマーク」文字列を取得し、XML ファイルから最も近い一致を見つけることができる必要があります。

XML はアプリとは密接な関係がなく、今後は SQL を使用する可能性があることに注意してください。ただし、今日は、データを保存して概念を証明するための簡単な場所が必要でした。

.NET 4.0、C#、フォーム アプリ、LINQ などを使用しています。

質問

最も近い一致を見つけるにはどうすればよいですか? ハミング？レーベンシュタイン？オンラインにはたくさんのコード サンプルがありますが、ほとんどは小さな文字列の比較 ("ant" と "aunt") または完全一致を目的としています。完全に一致することはめったにありません。最も近い一致が必要です。

前もって感謝します！

マット

私は多くの C プログラミングと RT-Linux に携わってきましたが、今は人工ニューラル ネットワーキングをやりたいと思っています。

BUT:どうすれば始められますか?

また、進化的アルゴリズム（学習アルゴリズム）と人工知能にも非常に興味があります。これらすべてをどこから学び始めることができますか?

Javaで実装された信頼性の高いAISフレームワークを知っている人はいますか？私はすぐにAISに触発されたプロジェクトに取り組むつもりであり、車輪の再発明をしたくありません。

ありがとう。

自己適応進化戦略の背後にある基本的な考え方は何ですか? 戦略パラメーターとは何ですか?また、アルゴリズムの実行中にそれらはどのように操作されますか?

私は遺伝的アルゴリズムに関するいくつかの論文を読んでいますが、よく似た方法で進化的アルゴリズムについて言及しています。ウィキペディアによると、GA は EA のサブセットです。ただし、よく見ると、どちらも自然選択 (クロスオーバー、選択、突然変異) に基づくメタヒューリスティック最適化アルゴリズムであり、どちらも固定表現を持っていないことがわかります (解決する問題によって異なりますが、伝統的にバイナリを使用していても)。 GA の表現)。それらは非常に似ています。それで、私の質問は、すべての進化的アルゴリズムを遺伝的アルゴリズムと見なすことができるでしょうか? そして、それらの間の本当の違いは何ですか? ありがとうございました

遺伝的アルゴリズム (または進化的計算) は、これらの点を直接ではなく、解空間 Ω 内の点のエンコードで機能することがわかっています。文献では、GA には欠点があることがよくわかります。(1) 多くの染色体が Ω の類似点にコード化されているか、類似した染色体が非常に異なる点を持っているため、効率が非常に低い。それは本当に欠点だと思いますか？これらの種類のアルゴリズムは、各反復で突然変異演算子を使用して候補ソリューションを多様化するためです。多様化をさらに進めるには、単純にクロスオーバーの確率を上げます。そして、(染色体の) 初期集団がランダムに生成されることを忘れてはなりません (もう 1 つの多様化)。問題は、(1) が GA の欠点であると思われる場合、詳細を教えていただけますか? ありがとうございました。