通过随机神经网络中神经多样性的演化学习行动
神经与进化计算
2023-06-12 v2 人工智能
摘要
生物神经系统由不同类别神经元形式的多样化、复杂信息处理器网络构成。在大多数人工神经网络（ANN）中，神经计算被抽象为激活函数，通常层内甚至整个网络所有神经元共享；ANN 训练聚焦于突触优化。本文提出优化以神经元为中心的参量，以获得一组可执行复杂计算的多样化神经元。为展示该方法的潜力，我们表明仅演化神经参数即可使智能体解决各类强化学习任务，而无需优化任何突触权重。虽不旨在作为精确的生物模型，将神经元参数化至高于当前常规实践的程度，使我们能够探讨随机神经网络中神经多样性所赋予的计算能力问题。所呈现结果开启了有趣的未来研究方向，如将演化神经多样性与活动依赖可塑性相结合。
引用
@article{arxiv.2305.15945,
title = {Learning to Act through Evolution of Neural Diversity in Random Neural Networks},
author = {Joachim Winther Pedersen and Sebastian Risi},
journal= {arXiv preprint arXiv:2305.15945},
year = {2023}
}
备注
Linebreaks in abstract fixed