광전자도가 아래에 나와 있습니다.주파수 검출에 대한 유전 알고리즘 접근법 (광전자도 그램에서)
기본적 이미지 상승 밝기 표시 시간의 함수로 떨어질 수있다. 이 출력은 손가락의 혈류를 측정하는 맥박 산소 측정기에서 나옵니다.
제 질문은 유전 알고리즘 (또는 일반적으로 : 진화론 적 전산)을 기반으로 "drops"의 빈도를 파악하는 방법이 있습니까? 나는 FFT (잘 DFT)가 주파수를 계산할 수 있다는 것을 안다. (또는 위에서 보여준 입력의 주파수 영역 표현을 적어도 제공한다.)
유전 알고리즘 기술을 사용하여이 문제를 해결해야한다면 어떻게 접근합니까? (저는 실제 솔루션을 찾고 있지 않습니다. 표현과 피트니스 기능이 GA 디자인에서 어떻게 보이는지에 대한 귀하의 아이디어 만).
저는 GA가이 문제를 해결하는 데 가장 적합하다고 생각하지 않지만, GA 솔루션에 대해 구체적으로 질문 한 이후로 생각해보십시오. 나에게 그것은 훨씬 더 날카 롭기 때문에 안장 점이 더 적합하다는 것을 알게되고 그들도 빈도를 줄 것입니다.
데이터가 문제가 있다고 가정하면 각 위치가 특정 시간에 밝기를 유지하는 이중 벡터가됩니다. 이 벡터의 모든 점은 등거리 시간 슬롯에서 샘플링해야합니다. 그런 다음 주파수를 찾는 것은 offset + x * interval에 의해 주어진 지점에서 문제 데이터로부터 얻은 값의 평균을 최소화하거나 최대화하는 오프셋과 간격을 찾는 것입니다. 평균 사용의 장점은 간격이 너무 짧아지면 평균이 떨어지기 때문에 최소 간격을 제공 할 필요가 없다는 것입니다. 불행히도 간격이 너무 길어 피트니스가 평가되는 점수를 최대화해야 할 수도 있습니다. 이로 인해 더 많은 다목적 문제가 발생합니다.
이것은 좀 더 일반적인 문제의 특수한 경우로, 동적 시스템 (timeseries)을 예측하는 것으로 생각할 수 있으며 실제로 유전 알고리즘을 적용하는 데는 많은 작업이있었습니다. 예 : http://www.amazon.com/Introduction-Genetic-Algorithms-Complex-Adaptive/dp/0262631857 쪽의 설명을 참조 56-61, 또는 원래 논문 중 하나를, 노먼 팩커드 (혼돈 이론의 창시자 중 하나). http://www.ccsr.uiuc.edu/web/Techreports/1988-89/CCSR-89-10.pdf
-Ted을
당신과 함께 일해야 할 데이터의 양 - 4 방울 또는 400에 더 가깝습니까? –
아마 40 분 미만입니다. 분 단위의 데이터라고 할 수 있습니다. – Aman
목표는 무엇입니까? 다음 "낙하산"예측? – Yahia