雷锋网编者按：近年来，神经网络借鉴了生物学策略的相关理论知识，实现了大飞跃，完成了之前无法完成的任务。神经进化作为人工智能的一个研究领域，试图通过进化算法而非随机梯度下降来设计和构建神经网络。本文作者PaulPauls，作为机器学习GDE和开源爱好者，他在Medium上写了一篇关于神经进化算法的文章，详细介绍了神经进化算法的基本概念，以及这几年重要的研究成果。雷锋网AI科技评论作了有删改的编译，请欣赏~神经进化是人工智能和机器学习领域的一个分支，它能够改进了人工神经网络，并且试图通过进化算法去寻找最优神经网络。具体而言，就像大自然通过突变、交叉或移除一些潜在的遗传密码来提高大脑的功能一样，人工神经网络通过进化算法能够产生越来越好的拓扑、权重和超参数。简单的说就是将进化的思想使用到神经网络参数优化的更迭中。神经进化神经进化是一种机器学习技术，它使用基于群体的优化方法能够不断提高群体中每个神经网络的质量，从而根据其要解决的问题生成越来越好的神经网络。该种群中的每个个体的存储方式并不是复杂的神经网络，而是存储为基因组。基因组是一种简化的遗传表示，可以映射到神经网络。神经进化首先需要初始化一组上述基因组，然后将它们应用于具体的问题环境中，然后根据神经网络解决应用问题的能力为每个基因组分配一个适应度分数。例如，该适应度分数可以是图像识别任务中实现的准确度以及机械臂移动实际轨迹和预期轨迹的差别等等。一旦初始种群被创建，优化循环开始，种群不断地变异、重组、评估和经历自然选择。如果这些步骤是迭代进行的，而整个种群一次只进行一个步骤，那么所进行的就是代际神经进化（generationalneuroevolution）。竞争性共同进化（

转载请注明:http://www.aideyishus.com/lktp/6751.html