迈向多层神经网络的演化：一种动态结构化语法演化方法
神经与进化计算
2018-01-08 v1 人工智能
摘要
当前基于语法的神经演化方法存在若干不足。一方面，它们无法生成包含多个隐藏层的人工神经网络（ANN）；另一方面，也无法演化具有多个输出神经元的网络。要恰当地演化具有多个隐藏层和多个输出节点的人工神经网络，需要知道前一层中可用神经元的数量。本文提出动态结构化语法演化（DSGE）：一种克服上述局限的新型基因型表示。通过支持创建动态规则来指定每个神经元的连接可能性，该方法能够演化具有多个输出神经元的多层人工神经网络。在不同分类问题上的结果表明，DSGE 能够演化出有效的单层和多层人工神经网络，且输出神经元数量可变。
引用
@article{arxiv.1706.08493,
title = {Towards the Evolution of Multi-Layered Neural Networks: A Dynamic Structured Grammatical Evolution Approach},
author = {Filipe Assunção and Nuno Lourenço and Penousal Machado and Bernardete Ribeiro},
journal= {arXiv preprint arXiv:1706.08493},
year = {2018}
}