进化神经网络间接编码方法的计算框架研究 a computational framework for indirect encoding methods of evolutionary neural networks.pdfVIP

下载本文档

15
0
约2.85万字
约 7页
2017-08-12 发布于上海
举报
版权申诉

进化神经网络间接编码方法的计算框架研究 a computational framework for indirect encoding methods of evolutionary neural networks.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

进化神经网络间接编码方法的计算框架研究 a computational framework for indirect encoding methods of evolutionary neural networks

第5期电子学报 V01．41No．5 A(丁’AEI正CIRONICASINICA 2013 2013年5月 May 进化神经网络间接编码方法的计算框架研究蔺想红，李志强，魏伟一 (西北师范大学计算机科学与工程学院，甘肃兰州730070) 摘要：针对传统的直接编码方法对大规模神经网络难以进化的问题，研究者提出了进化神经网络的间接编码方法，这类方法的核心思想是网络子结构的重复可通过一组基因的多次表达来实现从基因型到表现型的映射，这种基因重用机制可在较小的基因空间中进行大规模神经网络的快速有哪些信誉好的足球投注网站．本文在总结和分析各类间接编码实现方法的基础上，给出了进化神经网络间接编码方法的一般性计算框架，每一次神经网络的进化过程分为三个阶段：发育阶段、学习阶段和进化阶段．并从计算框架的基因组进化过程和神经网络发育过程两个方面比较分析了各种典型间接编码方法的优缺点．关键词：进化神经网络；间接编码；发育控制；网络结构中图分类号：TPl83文献标识码： A 文章编号：0372—2112(2013)05．0852．07 电子学报URL：http：／／www．eiounlal．org．ca DOI：10．3969／j．issn．0372—2112．2013．05．004 A FrameworkforI ndirectEncodiMethodsof Computational ng NeuralNetworks Evolutionary LIN Xiang-hong，LI Zhi—qiang，WEIWei—yi (hod Sc／enceand ofComputer Eng／neer／ng，NonhuestNorma／Un／vers／e，肠，幽u，Cans／*730070，Ch／na) tothe inthe the Abstract： difficulties scaleneuralnetworks traditionaldirect meth- According evolvinglarge using encoding researchersale thenovelindirect methodsfor neuralnetworks．Thatnetworkstruc- ods，many proposing encoding evolutionary is，a turethat timescanbe a setof thatisreusedin from to repeatsmany representedby single genes mappinggenotypephenotype，and such reuseallows the scaleneuralnetworks alowerdimensional this ge