我在这里主要提到这篇论文：http://clgiles.ist.psu.edu/papers/UMD-CS-TR-3617.what.size.neural.net.to.use.pdf
当前设置：
我目前正在尝试移植我已经存在的神经遗传AI 解决方案，以进入多用途多代理工具。因此，例如，它应该作为游戏引擎中的AI工作，用于在实体周围移动并让它们射击并摧毁敌人（例如4个输入，如距离x，y和角度x，y和2输出，如加速左，右）。
到目前为止，我所使用的基因组数量与代理商相同，以确定最适合的药物。 20％的最适合的药剂相互结合（选择zz，zw基因组），并为每个新种群创造2个婴儿。新老一代的新种群的其余部分是随机选择的，包括最适合不合适的基因组。
这非常适合人工智能，在 50-100后之后，它几乎是人类无法击败的突破克隆和一个小坦克游戏，你可以射击和移动。
由于我有想法在每个“代理类型”的进化群体上使用，现在的问题是，是否有可能确定隐藏层的数量和隐藏层中神经元的数量。
我对坦克游戏的设置是4个输入，3个输出和1个隐藏层，其中有12个神经元效果最好（大约50代非常强大）。
我的突破游戏设置是6个输入，2个输出和2个隐藏层，其中有12个神经元似乎效果最佳。
完成研究：
所以，回到论文：在第32页你可以看到，每个隐藏层的神经元似乎需要更多的时间来启动，但是神经元之间的神经元越多，进入神经元的机会就越多。功能无噪音。
我目前只使用健身增加成功优于上一次尝试。
所以在坦克比赛中，这意味着他成功击出了另一辆坦克（让他受伤4次更好，然后敌人死了）并赢得了回合。
在突破游戏中，它类似于我有一个人工智能可以移动的桨，它可以收集点数。这里的“射门”或消极对待是因为它忘了接球。因此，潜在的噪声输入将是2个输出值（向左移动，向右移动），这取决于4个输入值（球x，y，degx，degy）。
问题：
那么，您认为隐藏层数量和神经元数量的计算可以是一个很好的权衡，没有噪声可以杀死基因组进化？
在您说“它进一步发展”之前，最低代理量是多少？我目前的训练设置总是有50个并行学习的代理（因此他们基本上在“幕后”并行模拟50个游戏）。
答案 0 :(得分：0)
总而言之，对于大多数问题，通过仅使用两个规则设置隐藏层配置，可以获得不错的性能（即使没有第二个优化步骤）：（i）隐藏层的数量等于1; （ii）该层中神经元的数量是输入和输出层中神经元的平均值。
- doug
简而言之。这是一个持续的研究领域。大多数（我所知道的）使用众多神经元和H层的ANN都没有设置静态数，而是使用算法来连续修改这些值。通常在输出收敛/发散时构造和销毁。
由于听起来你已经在使用一些进化计算，考虑一下Andrew Turner's work on CGPANN，我记得它在类似于你的工作的基准测试中得到了相当不错的改进。