最优神经元选择：用于强化学习的 NK 回声状态网络
神经与进化计算
2015-05-11 v1
摘要
本文介绍了 NK 回声状态网络。NK 回声状态网络中的学习问题被简化为优化一种称为 NK 景观的自旋玻璃问题的特殊形式。不使用权重调整；所有学习通过启动(打开)或关停(关闭)神经元来完成，以寻找协同工作实现所需计算的神经元组合。对于特殊类型的 NK 景观，可以使用动态规划在多项式时间内获得精确的全局解。NK 回声状态网络被应用于一个需要递归网络的强化学习问题：在给定无速度信息的情况下使小车上的两根杆保持平衡。实验结果表明，NK 回声状态网络学习非常迅速且具有良好的泛化能力。
引用
@article{arxiv.1505.01887,
title = {Optimal Neuron Selection: NK Echo State Networks for Reinforcement Learning},
author = {Darrell Whitley and Renato Tinós and Francisco Chicano},
journal= {arXiv preprint arXiv:1505.01887},
year = {2015}
}