Нейронная сеть “размножение”

Нейронные сети (вероятно) в данном случае не являются произвольными деревьями. Вероятно, это сети с постоянной структурой, то есть с одинаковыми узлами и соединениями, поэтому «разведение» их потребует «усреднения» весов узлов. Вы можете усреднить веса для каждой пары узлов в двух соответствующих сетях, чтобы получить «дочернюю» сеть. Или вы можете использовать более сложную функцию, зависящую от постоянно растущих наборов соседних узлов - возможности огромны. Мой ответ будет неполным, если предположение о фиксированной структуре ложно или необоснованно.

Ни один из ответов пока не соответствует природе Polyworld! ...

Оба они описывают типичное приложение Генетический алгоритм (GA). Хотя GA включает в себя некоторые элементы, обнаруженные в Polyworld (разведение, отбор), GA также подразумевает некую форму «объективных» критериев, направленных на направление эволюции к [относительно] конкретным целям.

Polyworld, с другой стороны, является основой для Искусственная жизнь (ALife). В случае с ALife выживание отдельных существ и их способность передавать свои гены другим поколениям не столько определяется их способностью выполнять определенную «функцию приспособленности» , но вместо этого привязано к ] различные более широкие, нецелевые критерии , мозг существ имеет структуру и связи, которые являются как продуктом генетической структуры существа («материал» от его предков), так и его собственного опыта . Например, основной алгоритм, используемый для определения силы связей между нейронами, использует хеббовскую логику (т.е. огонь вместе, соединение вместе) в течение жизни существа (на раннем этапе, я предполагаю, поскольку алгоритм часто имеет «охлаждение» "фактор, который сводит к минимуму его способность существенно менять вещи с течением времени). Неясно, включает ли модель какую-либо форму ламаркианской эволюции, в соответствии с которой некоторые из высокоуровневых форм поведения [напрямую] передаются через гены, вместо того, чтобы [возможно] повторно изучаться с каждым поколением (на косвенной основе некоторых генетически переданных структура).

Существенное различие между ALife и GA (и есть другие!) В том, что в ALife акцент делается на наблюдении и воспитании ненаправленными способами , эмерджентном поведении - какими бы они ни были - например, когда некоторые существа развивают макияж, который побуждает их ждать поблизости груды зеленой еды и ждать, пока темно-зеленые существа убьют их, или некоторые существа могут начать сотрудничать друг с другом, например, путем поиска присутствия друг друга для других целей, кроме спаривания и т. д. В GA фокус делается на конкретном поведении разрабатываемой программы . Например, цель может заключаться в том, чтобы программа распознавала края видеоизображения, и поэтому развитие предпочтительнее в этом конкретном направлении. Отдельные программы, которые лучше выполняют эту задачу (по меркам некоторых " мы можем вернуться к первоначальному вопросу ОП ...
... как можно объединить две нейронные сети? Они кажутся настолько разными, что любая попытка объединить их просто создаст третью, совершенно не связанную сеть. ... Я не вижу хорошего способа объединить положительные стороны двух отдельных нейронных сетей в одну ...
«Генетический состав» конкретного существа влияет на параметры ] такие как размер существа, его цвет и тому подобное. Он также включает параметры, связанные с мозгом, в частности его структуру: количество нейронов, наличие связи от различных датчиков (например, очень ли существо видит синий цвет?), Наличие связи с различными исполнительными механизмами (например, существо использует свой свет?). Взяв два существа , мы [природа!] Можем выбрать более или менее случайным образом, какой параметр исходит от первого существа, а какой от другого существа (а также несколько новых «мутаций» которые происходят ни от одного из родителей). Например, если у «отца» было много связей с датчиком красного цвета, а у матери нет, то потомство может выглядеть как отец в этой области, но также получит 4-х слойную структуру его матери, а не 6-ти нейронную структуру отца. .
В этом заинтересованность заключается в открытии новых способностей людей ; в приведенном выше примере существо теперь может лучше обнаруживать хищников красного цвета, а также быстрее обрабатывать информацию своим немного более простым мозгом (по сравнению с мозгом отца). Не все потомки оснащены лучше, чем их родители, такие более слабые особи могут исчезнуть в короткие сроки (или, возможно, и, к счастью, выжить достаточно долго, чтобы обеспечить, скажем, их причудливый способ передвижения и уклонения от хищников, даже если их родитель сделал их слепыми или слишком большой или что-то в этом роде ... И снова ключевая вещь: не так беспокоиться о немедленной полезности определенной черты, а только для того, чтобы увидеть, как она играет в долгосрочной перспективе .