ALF——一种用于演化大规模神经网络、基于适应度的人工生命形式
神经与进化计算
2022-11-15 v1
摘要
机器学习(ML)在日常生活中愈发重要。在此背景下,人工神经网络(ANNs)作为 ML 方法中实现人工智能的流行途径。通常 ANN 的拓扑是预先确定的。然而存在难以找到合适拓扑的问题。为此,开发了拓扑与权重协同演化人工神经网络(TWEANN)算法,可利用遗传算法寻找 ANN 拓扑与权重。对于大规模问题,众所周知的缺陷是 TWEANN 算法常演化出低效 ANN 且需长运行时间。为解决此问题,我们提出一种新 TWEANN 算法,称为人工生命形式(ALF),具如下技术进展:(1) 通过结构与语义相似性进行物种形成以构成更优候选解;(2) 对观测候选解动态适配以获得更好收敛性;(3) 将解质量整合进遗传繁殖以提高优化成功概率。大规模 ML 问题上的实验证实这些方法可快速求解并演化出高效 ANN。
引用
@article{arxiv.2104.08252,
title = {ALF -- A Fitness-Based Artificial Life Form for Evolving Large-Scale Neural Networks},
author = {Rune Krauss and Marcel Merten and Mirco Bockholt and Rolf Drechsler},
journal= {arXiv preprint arXiv:2104.08252},
year = {2022}
}