### NEAT物种形成算法是如何工作的?

我一直在研究NEAT(增强拓扑的神经进化)是如何工作的,我已经掌握了它的主要概念,但有一件事一直困扰着我,那就是如何将不同的网络划分为物种。我已经研究了算法,但对我来说它不太合理,我读过的论文也没有很好地解释这一点,所以如果有人能解释每个组件是什么以及它的作用,那就太好了,谢谢。

两个方程是:

$\delta = \frac{c_{1}E}{N} + \frac{c_{2}E}{N} + c_{3} .W$

$f_{i}^{'} = \frac{f_i}{\sum_{j=1}^{n}sh(\delta(i,j))}$

原始论文


回答:

NEAT中的物种形成类似于其他进化算法使用的适应度共享。其理念是惩罚相似的解决方案,从而推动种群向更具多样性的方向发展。

delta项是衡量两个解决方案之间距离的指标。这里使用的距离度量是专门为NEAT使用的变长基因组设计的。较小的delta值表示解决方案更加相似。

NEAT中实现的共享函数会在两个解决方案之间的距离大于或小于给定阈值时分别产生0或1的值。每个解决方案都会与候选种群中的其他每个解决方案进行比较,适应度会根据共享函数值的总和进行修改。如果一个解决方案与种群中的其他几个解决方案相似,它的修改后的适应度将显著降低。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注