使用分类系统自动生成神经网络

Question

从我所看到的关于神经网络和遗传算法的所有内容中，我注意到了一些事情：

在经过一定次数的迭代后，NN非常擅长融合到解决方案中。在一定代数之后，GA很擅长找到问题的解决方案。然而，这里有一个时间复杂的障碍，那就是神经网络和遗传算法本身的实际构造。这就是实际技能和理解的来源：节点，权重，激活函数等的考虑。对于遗传算法，它是适应度函数，误差值等。这都是由问题域本身决定的。

我的提案是找到一个可以采用问题陈述的通用算法，例如“创建一个模拟无板篮球游戏的程序并找到有效发挥的最佳策略”，并创建神经网络或遗传算法自身结合使用数据库，统计，分类系统，逻辑，决策理论，数学。

至少部分解决问题的一种可能方法是建立问题域数据库，以及现有的神经网络和问题。

数据库可以具有以下属性：

Problem statement : VARCHAR, 
Problem domain    : VARCHAR, 
numLayers         : INT,
NNTree            : TREE, 
numNodes          : INT, 
activationFunct   : LIST

当用户指定程序语句时，程序必须将其分解为其元素。例如，“学习游戏有效策略的无板篮球模拟器”，

被分解为无板篮球[游戏规则已知]，模拟器[暗示2d或3d图形，图形预定义对象]，有效[解释为最佳，影响所使用的激活功能]，策略[解释为紧急行为对象]，游戏[解释为目标导向动作列表]

  

需要哪些数据结构或算法？

Answer 1

如果有人可以解决这个问题，那他实际上是无中生有的。没有（并且在我的拙见中永远不会）一种自动发现选择解决问题方法的方法。这将预先假定问题的解决方案已经知道。在这种情况下，没有必要发现解决问题的方法......

希望我帮忙！