ALF -- 一种基于适应度的人工生命形式用于进化大规模神经网络
摘要：机器学习（ML）在日常生活中变得越来越重要。在这个背景下，人工神经网络（ANNs）是机器学习方法中的一种流行方法，用于实现人工智能。通常情况下，ANN的拓扑结构是预先确定的。然而，有些问题很难找到合适的拓扑结构。因此，研发了拓扑和权重进化人工神经网络（TWEANN）算法，可以使用遗传算法找到ANN的拓扑结构和权重。已知的一个问题是，针对大规模问题，TWEANN算法经常演化出效率低下的ANN，并且需要长时间的运行时间。 为了解决这个问题，我们提出了一种新的TWEANN算法，称为人工生命体（ALF），具有以下技术改进：（1）通过结构和语义相似性进行物种形成，以形成更好的候选解决方案，（2）动态适应观察到的候选解决方案以获得更好的收敛性质，（3）将解决方案质量整合到遗传繁殖中，以增加优化成功的概率。在大规模机器学习问题上的实验证实了这些方法可以快速解决这些问题，并导致高效演化的ANN。
作者：Rune Krauss, Marcel Merten, Mirco Bockholt, Rolf Drechsler
论文ID：2104.08252
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-11-15