问整齐算法结果精度

EN

我正在尝试将该NEAT算法用作机器人的控制器，我对它有一些准确性问题。我正在使用Python 2.7和它，并使用两个NEATpython实现：

1. 这个NEAT在GitHub存储库中：https：//github.com/CodeReclaimers/neat-python 在Google中搜索，看起来它已经在一些项目中被使用了。
2. multiNEAT由Peter Chervenski和Shane Ryan开发的图书馆：http：//www.multineat.com/index.html。它出现在NEAT软件目录的“官方”软件网页中。

在测试第一个时，我发现我的程序快速收敛到一个解决方案，但这个解决方案不够精确。由于缺乏精确度，我想说中位数和平均值的最小偏差为3-5％，与演化结束时的“完美”解决方案相关（根据问题的复杂程度，误差在10％左右）对我的解决方案来说是正常的。此外，我可以说我从来没有“在解决方案给出的解决方案之间1％的误差值下看到NEAT它是正确的解决方案”。我必须说我已经尝试了很多不同的参数组合和配置（对我来说这是一个老问题）。

因此，我测试了第二个库。该MultiNEAT库比前一个库快速，简单地汇聚。（我假设这是由于C ++实现而不是纯Python）我得到了类似的结果，但我仍然有同样的问题; 缺乏准确性。第二个库也有不同的配置参数，我没有找到它们的正确组合来改善问题的性能。

我的问题是：结果 缺乏准确性是否正常NEAT？它实现了很好的解决方案，但不足以控制机器人手臂，这就是我想用它做的。

我会写下我正在做的事情，以防有人在我提出问题的方式中看到一些概念或技术错误：

为了简化问题，我将展示一个很简单的例子：我有一个非常简单的问题要解决，我想是可以计算如下功能NN： y = x^2（类似的结果发现y=x^3或y = x^2 + x^3或类似功能）

我制定该计划的步骤如下：

1. “Y”是网络的输入，“X”是输出。神经网络的激活函数是sigmoid函数。
2. 创建给定的值，以“X”的“n”的样本的之间的数据组 xmin = 0.0和xmax = 10.0
3. 当我使用sigmoid函数时，我对“Y”和“X”值进行了规范化：
   • “Y”在（Ymin，Ymax）和（-2.0,2.0）（sigmoid的输入范围）之间线性归一化。
   • “X”在（Xmin，Xmax）和（0.0,1.0）（sigmoid的输出范围）之间线性归一化。

4. 创建数据集后，我将列车样本（总量的70％），验证样本和测试样本（每个15％）细分。
5. 在这一点上，我创造了一群进化的人。在所有列车样本中评估每个人群。每个职位评估为： eval_pos = xmax - abs（xtarget - xobtained） 个人的适应性是所有列车位置的平均值（我也选择了最小值，但它给我的性能更差）。
6. 在整个评估之后，我针对测试样品测试获得的最佳个体。这是我获得那些“不准确的价值观”的地方。此外，在评估过程中，从未 获得“abs（xtarget-xobtained）= 0”的最大值。

此外，我假设我如何操纵数据是正确的，因为我使用相同的数据集来训练神经网络，Keras并且我得到比NEAT更好的结果（在1000个时期之后可以实现小于1％的误差）有5个神经元的层）。

在这一点上，我想知道发生的事情是否正常，因为我不应该使用数据数据集来开发控制器，它必须“在线”学习并且NEAT看起来像我的问题的合适解决方案。

提前致谢。