我正在尝试用C#实现拓扑增强的neuro-evolution（神经进化）。我遇到了一个关于循环连接的问题。我明白，对于循环连接，输出基本上是时间上被延迟的。
https://i.sstatic.net/bI4Pc.png
在链接的图片中，我展示了一个非常简单的神经网络，具有2个输入，3个隐藏节点和一个输出。如果没有激活函数或传输函数，我认为它会被评估为：
n3[t] = (i1[t]*a + n6[t-1]*e)*d + i2[t]*b*c) * f然而，我很难弄清楚如何识别连接e是一个循环连接。我读到的关于NEAT的论文展示了XOR问题和双极无速度问题的 Minimal 解决方案都具有循环连接。
如果您有一个固定的拓扑结构，这似乎相当简单，因为您可以自己分析拓扑结构，并识别出哪些连接需要时间延迟。
您究竟如何识别这些连接呢？
回答：
当我开始实施这篇论文时，我也遇到了类似的问题。我不知道你现在的网络是什么样的，所以我会向你解释我是怎么做的。
我的网络开始时只有输入和输出层。为了创建连接和神经元，我实现了一种DNA（在我这里，这是一个指令数组，例如’将神经元编号2与神经元编号5连接，并将权重设置为0.4’）。我网络中的每个神经元都有一个“层号”，它告诉我神经元在我网络中的位置。对于输入神经元，我使用了Double.minvalue，对于输出神经元，我使用了Double.maxvalue。
这是基本设置。从现在开始，在修改网络时只需遵循这些规则：
-
每当你想创建一个连接时，请确保“from”神经元的层号 < Double.maxValue
-
每当你想创建一个连接时，请确保“to”神经元的层号大于“from”神经元的层号。
-
每当一个连接被分成两个连接和它们之间的一个神经元时，将神经元的层号设置为NeuronFrom.layerNumber*0.5 + NeuronTo.layerNumber*0.5这很重要，你不能将它们相加然后简单地除以2，因为这可能会导致Double.maxValue + 某物，返回一些奇怪的数字（我猜会发生溢出，所以你会得到一个负数？）。
如果你遵循所有规则，你应该始终只有前向连接，没有循环连接。如果你想要循环连接，你可以通过在创建新连接时交换“from”和“to”来创建它们。
专业技巧：只使用一个Neurons的ArrayList。让DNA使用神经元的ID来查找它们，但创建一个’Connection’类，其中包含Neuron对象作为属性。在过滤你的连接/神经元时使用ArrayList.stream().filter()
在后续通过网络传播时，你可以按层号对神经元进行排序，设置输入值，然后使用for()循环遍历所有神经元。只需计算神经元的输出值，并将其传输到每个连接的“from”等于当前神经元的神经元。
希望这不太复杂…
