Lernverfahren für neuronale Netze basierend auf evolutionären Algorithmen

Die Erfindung betrifft ein Verfahren zum Bestimmen von Gewichten einer Funktion, die zumindest einen Eingangswert auf zumindest einen Ausgangswert abbildet, derart, dass ein Fehler minimiert wird, der eine Abweichung des zumindest einen Ausgangwerts von einem Soll-Zustand angibt, wobei die Gesamtheit der Gewichte, die die Funktion bildet, ein Individuum darstellt. Ausgehend von einer ersten Population, welche mehrere Individuen umfasst, wird ein bestes Individuum anhand eines genetischen/evolutionären Algorithmus bestimmt, wobei alle anderen Individuen der Population verworfen werden. Durch eine Variation der einzelnen Gewichte des besten Individuums werden weitere Individuen generiert, die zusammen mit dem besten Individuum eine neue Population bilden. Die neue Population durchläuft erneut den genetischen/evolutionären Algorithmus, so lange bis zumindest eine vorherbestimmte Abbruchbedingung erfüllt ist. Die Variation der einzelnen Gewichte zur Bestimmung der einzelnen Individuen der neuen Population erfolgt anhand eines vorherbestimmten Prozentsatzes der einzelnen Gewichte des besten Individuums. Durch das offenbarte Verfahren kann eine Suche nach einem globalen Extremum einer Funktion erleichtert werden.