作 者:(美)雅羅斯拉夫爾·連奧米恩科 著 黃永強 譯
定 價:99
出 版 社:清華大學出版社
出版日期:2021年03月01日
頁 數:632
裝 幀:平裝
ISBN:9787302571285
本書討論了傳統的深度機器學習方法的可行替代方案—神經進化算法。神經進化是一繫列機器學習方法,它們使用進化算法來簡化對復雜任務的解決,如遊戲、機器人和自然過程的仿真。
●第1部分進化計算算法和神經進化方法的基本原理
第1章神經進化方法概述
1.1進化算法和基於神經進化的方法
1.1.1遺傳算子
1.1.2基因組編碼方案
1.1.3協同進化
1.1.4模塊化和層次結構
1.2關於NEAT算法
1.2.1NEAT編碼方案
1.2.2結構變異
1.2.3使用創新數字交叉
1.2.4物種形成
1.3基於超立方體的NEAT
1.3.1復合模式生成網絡
1.3.2基板配置
1.3.3不斷進化的連接CPPN和HyperNEAT算法
1.4可進化基板HyperNEAT
1.4.1超立方體中的信息模式
1.4.2使用四叉樹作為有效的信息提取器
1.4.3ES-HyperNEAT算法
1.5新穎性搜索優化方法
1.5.1新穎性搜索與自然進化
1.5.2新穎性度量
1.6小結
1.7延伸閱讀
第2章Python庫和環境設置
2.1適用於神經進化實驗的Python庫
2.1.1NEAT-Python
2.1.2NEAT-Python用法示例
2.1.3PyTorchNEAT
2.1.4PyTorchNEAT用法示例
2.1.5 ltiNEAT
2.1.6 ltiNEAT用法示例
2.1.7深度神經進化
2.1.8比較Python神經進化庫
2.2環境設定
2.2.1Pipenv
2.2.2Virtualenv
2.2.3Anaconda
2.3小結
第2部分運用神經進化方法解決經典計算機科學問題
第3章使用NEAT進行XOR求解器優化
3.1技術要求
3.2XOR問題基礎知識
3.3XOR實驗的目標函數
3.4超參數選擇
3.4.1NEAT部分
3.4.2DefaultStagnation部分
3.4.3DefaultReproduction部分
3.4.4DefaultSpeciesSet部分
3.4.5DefaultGenome部分
3.4.6XOR實驗超參數
3.5運行XOR實驗
3.5.1環境設置
3.5.2XOR實驗源代碼
……
第3部分高級神經進化方法
第4部分復習和總結
本書詳細闡述了與神經進化網絡開發相關的基本解決方案,主要包括神經進化方法概述、Python庫和環境設置、使用NEAT進行XOR求解器優化、擺杆平衡實驗、自主迷宮導航、新穎性搜索優化方法、基於超立方體的NEAT和視覺辨別、ES-HyperNEAT和視網膜問題、協同進化和SAFE方法、深度神經進化等內容。此外,本書還提供了相應的示例、代碼,以幫助讀者進一步理解相關方案的實現過程。本書適合作為高等院校計算機及相關專業的教材和教學參考書,也可作為相關開發人員的自學教材和參考手冊。
(美)雅羅斯拉夫爾·連奧米恩科 著 黃永強 譯
雅羅斯拉夫爾·連奧米恩科擔任首席技術官和研究主管超過10年。他是機器學習研究領域的活躍成員,並在ar v、ResearchGate平臺以及Preprints等刊物上發表了若干篇研究論文。10多年前,他開發了用於手機遊戲的自主代理,此後一直從事機器學習的應用。在過去的5年中,他積極參與有關將深度機器學習方法應用於身份驗證、個人特征識別、協作機器人技術和合成智能等的研究。他還是一名活躍的軟件開發人員,使用Go語言創建了開源神經進化算法的實現。