神经网络中神经元的进化
神经网络中神经元的进化
提问于 2017-04-15 11:22:24
我最近开始对人工智能、神经网络和遗传算法产生很大的兴趣，我想要构建一个小的人工智能来处理一个问题。我研究了这个课题，我认为我对非增长的神经网络是如何工作的，以及它们的权重是如何进化的，我有足够的理解，但是我找不到一个解释，如何确定网络是否需要产生一个新的神经元，以及我应该从多少个神经元开始。
我是一名计算机科学专业的学生，也是职业程序员，所以我对算法和图表有很好的理解，但我还没有学习人工智能。
回答 2
Stack Overflow用户
回答已采纳
发布于 2017-04-15 11:59:26
一种遗传算法并不能“决定”一个神经元是否应该被添加或移除，它是通过一个随机的机会来完成的，当它产生积极的影响时，它将留在后代--适者生存。
整洁的论文从一个只有输入节点和输出节点的网络开始。然后，它进化了越来越多的节点和连接，然而随机(mutationRate)的机会！
在这里读到它
我已经在javascript中实现了这一点，所以如果您想了解网络是如何演变成一个异或门的，请检查这。
Stack Overflow用户
发布于 2017-04-19 15:15:22
开始神经元数是很难定义的。科学家通常使用直觉或遗传algoritm在上面描述这一点。如果你使用第一个选项，而网络却不能很好地工作: 1. (太多的神经元，网络快速学习例子，但在系统问题上有问题)制造新的更小的网络并学习它。2. (太少的神经元，网络有较大的误差端您也可以尝试添加新的层。
输入leyer 1> leyer 2> l3.
输出程序可能是一个例外。把所有的连接都用在文献中，通常是3层，但我的实验表明，4层具有较好的泛化能力。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/43425435
复制相关文章
相似问题
腾讯云开发者
