python - 增强拓扑(NEAT)神经网络的神经进化可以在 TensorFlow 中构建吗?
问题描述
我正在制作一个用于时间序列数据分析的机器学习程序,使用 NEAT 可以帮助完成这项工作。不久前我开始学习 TensorFlow,但似乎 TensorFlow 中的计算图通常是固定的。TensorFlow 中是否有工具可以帮助构建动态演化的神经网络?或者像 Pytorch 这样的东西会是更好的选择?谢谢。
解决方案
制作进化张量流网络的一种方法是使用 hyperneat 或 es-hyperneat 算法,而不是在物种中的单个网络上运行进化,而是进化出一个“基因组”,实际上是编码表型神经网络的 cppn。对于 cppn,您可以使用前馈 tensorflow 网络,但需要注意的是每个节点都可以使用不同的激活函数,这使得 cppn 能够进化为能够查询“表型”神经网络的结构和权重您可以使用通用张量流网络(或您选择的任何网络)
我会研究整洁的 python 和 peas 库,看看他们使用的网络,并使用 tensorflow 网络复制这些类。
推荐阅读
- javascript - Docusign Templates Api Parse Error Unexpected Token In Response
- python - Python 类扩展协议并实现类
- docker - docker克隆一个现有的elasticsearch容器
- react-native - React Native,在使用 Axios 发布 FormData 时出现网络错误
- amazon-web-services - 在 ec2 实例中启动 Docker 失败?
- c - 在 C 中通过引用传递的强制转换函数参数
- java - Postgres smallint[] 转换成 java short[] 数组
- reactjs - React State 不会在函数内部更新,而是在其他任何地方更新?
- google-cloud-platform - 如何在 GCP 中从启动 powershell 脚本向谷歌部署管理器抛出错误?
- pagination - 运行时错误:无效的内存地址或分页上的 nil 指针取消引用