假设我想解决一个神经网络的问题，要么我不能适应现有架构（感知器、Konohen 等），要么我根本不知道这些架构的存在，或者我无法理解它们的机制而我依靠自己。
对于任意问题，如何自动选择神经网络的架构/拓扑（即层数、激活类型、连接的类型和方向等）？
我是一个初学者，但我意识到在某些架构中（或者，至少在感知器中），即使不是不可能理解内部机制也非常困难，因为隐藏层的神经元不表达任何具有数学意义的上下文.
如何为任意问题自动选择神经网络架构？
人工智能
神经网络
参考请求
超参数优化
建筑学
神经进化
2021-11-02 20:37:27
2个回答
我认为在这种情况下，您可能希望使用遗传算法来生成拓扑，而不是自己工作。我个人喜欢NEAT（增强拓扑的神经进化）。
最初的 NEAT 论文涉及到连接权重的演变，但如果你只想要一个拓扑，你可以使用加权算法来代替。如果您不确定要使用哪个激活函数，您也可以混合使用。这是使用反向传播和多种神经元类型的示例。
另一个答案提到NEAT来生成网络权重或拓扑。论文NeuroEvolution：The Importance of Transfer Function Evolution 和 Heterogeneous Networks还简要总结了神经进化技术，为 NEAT 提供了另一种方法。它使用笛卡尔遗传编程来进化多个激活函数。
其它你可能感兴趣的问题