问这个神经网络模型存在吗？

EN

您的神经网络类似于使用进化算法创建的神经网络，例如遗传算法。

详情请参阅下列文章。

• 基于程序行为的汉进化神经网络异常检测
• WHITLEY -遗传算法与神经网络

对于这类神经网络的总结。神经元及其连接是利用进化技术创造出来的。因此，它们没有严格的分层方法。汉斯使用了以下技巧：

“遗传操作：

交叉算子，，通过在两个神经网络之间交换部分段产生一个新的后代。随机选取两个不同的神经网络，选择一个隐节点作为支点point.Then，根据选择的支点交换连接链路和相应的权值。

，变异算子，改变了随机选择的神经网络的连接链路和相应的权重。它执行两个操作之一:添加新连接或删除现有连接。

变异算子随机选择神经网络的两个节点。如果它们之间没有联系，则用随机权重连接两个节点。

否则，它将删除连接链接和权重信息。“

以下是惠特利文章中的数字。

​

​

@ARTICLE{Han2005Evolutionary,
  author = {Sang-Jun Han and Sung-Bae Cho},
  title = {Evolutionary neural networks for anomaly detection based on the behavior
of a program},
  journal = {Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions
on},
  year = {2005},
  volume = {36},
  pages = {559 -570},
  number = {3},
  month = {june },

}

@article{whitley1995genetic,
  title={Genetic algorithms and neural networks},
  author={Whitley, D.},
  journal={Genetic algorithms in engineering and computer science},
  pages={203--216},
  year={1995},
  publisher={Citeseer}
}

总之，我需要输出模式作为进一步输出的输入，依此类推。级联效应是我所追求的。

这听起来像是一个有多个隐藏层的前馈网络。不要害怕这里的“层”这个词，用多个词就像你画的一样。类似于5-5-7-6-7-6-6-6-6-6-5 -structured网(5个输入，8个隐藏层，每个节点数量不同，输出5个)。

您可以通过任何方式将节点从一个层连接到另一个层。您可以简单地使用常量零作为它们之间的权重来保持一些未连接，或者如果使用面向对象的编程，只需将不想要的连接排除在连接阶段之外。使用标准的NN-模型，跳过这些层可能会更困难，但一种方法可能是为每个需要跨越的层使用一个虚拟节点。仅仅复制原始输出*重量-value从节点到虚拟将与跳过一层相同，这也将保持标准的NN-模型完整。

如果您希望网络只输出1和0，那么可以在每个节点中使用一个简单的阶跃函数作为激活函数:1用于值大于0.5，否则为0。

我不确定这是否是你想要的，但这样你就可以建立一个你所描述的网络。然而，我不知道你打算如何教你的网络产生一些语义域。为什么不让网学会它自己的重量呢？这可以通过简单的输入输出-examples和反向传播-algorithm来实现.如果您使用标准模型来构建您的网络，那么学习的数学也不会与任何其他的前馈网络有任何不同。最后但并非最不重要的一点是，您可能会找到一个适用于此任务的库，只需对代码进行小改动或根本不做任何更改。

涉及遗传算法的答案听起来不错(尤其是引用达雷尔·惠特利的研究成果的答案)。

另一种选择是简单地随机连接节点？这或多或少是用递归神经网络来完成的。

你也可以看看Le村的非常成功的卷积神经网络，一个有很多层的ANN的例子，有点像你在这里描述的，它是为一个特定的目的而设计的。