使用CoDeepNEAT与Keras进行神经网络架构的神经进化
摘要
机器学习是计算机科学与统计学中一个庞大的研究领域，致力于通过无需显式指令、而是依靠从数据样本中学习模式来自动化推断的算法执行计算任务。机器学习项目中很大一部分工作是定义解决给定问题的最佳算法类型。神经网络——尤其是深度神经网络——是该领域的主导解决方案。然而，根据为其所做的架构选择，网络本身会产生非常不同的结果。针对给定问题寻找最优网络拓扑与配置是一项挑战，由于需要考虑大量参数，其需要领域知识与测试工作。本工作的目的是提出一种成熟的神经进化领域进化技术的适应性实现，该实现能够自动化拓扑与超参数选择任务。它使用流行且易用的机器学习框架Keras作为后端，给出了有关原始算法的结果与拟议改动。该实现已在GitHub（https://github.com/sbcblab/Keras-CoDeepNEAT）提供，并附有文档与示例以复现本工作所进行的实验。
引用
@article{arxiv.2002.04634,
title = {Neuroevolution of Neural Network Architectures Using CoDeepNEAT and Keras},
author = {Jonas da Silveira Bohrer and Bruno Iochins Grisci and Marcio Dorn},
journal= {arXiv preprint arXiv:2002.04634},
year = {2020}
}
备注
The original work was presented by Jonas da Silveira Bohrer in partial fulfillment of the requirements for the degree of Bachelor in Computer Engineering at the Institute of Informatics of the Federal University of Rio Grande do Sul (UFRGS), Brazil, with Marcio Dorn as advisor and Bruno Iochins Grisci as co-advisor. The original text is available at Lume: https://lume.ufrgs.br/