是否有一种很好的方法可以在完全连接的PyBrain网络中添加/删除神经元及其相关连接？说我开始：
from pybrain.tools.shortcuts import buildNetwork
net = buildNetwork(2,3,1)
如何保持所有旧权重（并初始化任何新权重，如初始化网络时所做的那样），我将如何使其成为（2,4,1）或（2,2,1）网络？ ）？我想这样做的原因是因为我试图使用进化学习策略来确定最佳架构，而“突变”步骤则涉及以某种可能性添加/删除节点。 （输入和输出模块应始终保持不变。）
编辑：我发现NeuronDecomposableNetwork应该让这更容易，但似乎我必须分别跟踪神经元和连接。
答案 0 :(得分：4)
我假设您正在按照NEAT算法进行操作？ 您的问题有两个不同的答案：
开放式网络拓扑的演变：在这种情况下，我建议将每个神经元封装在自己的“层”/模块中，并添加/删除它们以及它们与网络的连接迭代地，有点像this tutorial，除了会有更多（单神经元）层。不要忘记在每次拓扑更改后调用sortModules()方法。
在预定义框架内找到最佳拓扑（例如最多1000个神经元）。在这种情况下，在开始时构建完整网络更容易，更有效，只需掩盖一些连接（例如使用MaskedParameters模块）。其中，memetic algorithms (used like this)旨在搜索此类拓扑空间。
正如您所说，另一种方法是手动管理所有权重（通过跟踪what is where或使用NeuronDecomposableNetwork），但我不建议。
一般性评论：对于像你这样的pybrain的更高级用法，依赖于`buildNetwork'的快捷方式实在太有限了，你需要直接使用网络/模块/连接API。