我实际上在机器学习系统上使用：GA（遗传算法）+ NN（神经网络）使用原生Python。
关于NN部分：
所有NN都是多层神经网络（受this启发），最初随机选择层拓扑（每层内的神经元数量和层数），然后每个NN都是训练（强化学习）使用相同的训练数据。 所有NN具有完全相同的输入和输出数量，但不是相同的深层拓扑结构。
关于GA部分：
人口由训练有素的多层NN列表组成
我将人口对准“现实”[现实是一个生命框架列表，现实被编码为熊猫数据框架，其中每条线对应一个框架（我使用框架作为NN输入）]，并且依赖在NN输出上，个人将采取行动与否。
在所有帧被处理之后，我注意到人口（相对于动作），然后进行选择，保持精英，生成随机的新NN，但也通过GA应用再现方案来生成新的孩子NN。
Child NN将遗传父母混合的父母和遗传之一的层次拓扑（通过交叉和变异进行更改）
然后，所有的孩子都将接受培训（使用与父母相同的训练数据），然后我将他们面对现实，然后注意每个孩子等等......并且代代相传。我希望这项工作，因为笔记会增加一代又一代
我希望实施父母教育这样的事情：我希望孩子能够“帮助/或接受父母的实时反馈”：
在儿童NN强化学习程序的一部分期间，以“优化”儿童训练过程中儿童神经元体重的变化。
在儿童NN面对现实的阶段
任何人都可以分享一些来源，或者如果已经在这种实施方面工作的话，可以分享反馈意见 你认为它可能有助于提高学习效率，还是绝对无用的？