我需要一种方法来训练除了反向传播之外的神经网络

Question

这是一项正在进行的冒险，有些细节是故意混淆的。

我有一个有几个输入和一个输出的盒子。输出电压随输入电压的变化而变化。在许多状态通过并评估回顾过程之前，无法评估输出序列的合意性。

我想设计一个神经网络，它从盒子中输出许多输出作为输入，并为盒子产生正确的输入设置，以产生最佳的下一个输出。

我无法使用反向传播来训练此网络。我该如何训练这个网络？

Answer 1

遗传算法在这里是一个很好的候选者。染色体可以编码神经网络的权重。评估后，您可以根据染色体的性能为染色体指定适合度值。具有较高适应值的染色体具有更高的繁殖机会，有助于在下一代产生更好的染色体。

对权重进行编码是一种相对简单的解决方案，更复杂的解决方案甚至可以定义网络的拓扑结构。

您可以在此处找到一些其他有用的信息：

http://en.wikipedia.org/wiki/Neuroevolution

Answer 2

Hillclimbing是最简单的优化算法。只需随机修改权重，看它是否更好，如果没有重置它们，然后再试一次。它通常也比遗传算法更快。然而，它很容易陷入局部最佳状态，因此请尝试多次运行并选择最佳结果。