神经进化中适应度景观的研究
神经与进化计算
2020-01-31 v1 机器学习
摘要
适应度景观是研究元启发式算法动态特性的有用概念。在过去二十年中，它们已成功应用于估计多种进化算法（包括遗传算法和遗传编程）的优化能力。然而，迄今为止它们从未被用于研究机器学习算法在未知数据上的性能，也从未应用于神经进化。本文旨在填补这两个空白，首次将适应度景观应用于神经进化，并利用它们推断关于该方法预测能力的有用信息。更具体地说，我们使用基于文法的方法生成卷积神经网络，并研究三种不同变异算子演化这些网络的动态特性。为了刻画适应度景观，我们研究了自相关性和粗糙度的熵度量。结果表明，这些度量适用于估计所考虑的神经进化配置的优化能力和泛化能力。
引用
@article{arxiv.2001.11272,
title = {A Study of Fitness Landscapes for Neuroevolution},
author = {Nuno M. Rodrigues and Sara Silva and Leonardo Vanneschi},
journal= {arXiv preprint arXiv:2001.11272},
year = {2020}
}
备注
IEE CEC submission