如何根据神经网络的输入和输出确定最佳的隐层和神经元？

Question

我主要指的是这篇论文：http://clgiles.ist.psu.edu/papers/UMD-CS-TR-3617.what.size.neural.net.to.use.pdf

电流设置

我目前正在尝试移植神经遗传学AI解决方案，我已经准备好进入多功能多agent工具。因此，例如，它应该像游戏引擎中的人工智能一样，在实体周围移动，让他们射击和摧毁敌人(例如，像距离x，y和角度x，y，y和2个输出，如加速左，右)。

到目前为止的情况是，我使用的基因组数量是相同的，因为有试剂来确定最合适的药物。20%的优胜劣汰剂结合在一起(zz，zw基因组被选中)，并为新种群各生育2个婴儿。每一代新一代的新种群的其余部分是随机选择在老种群中的，包括最适合拥有不适合的基因组的群体.

这对人工智能来说很好，在一代50-100之后，它几乎是人类不可战胜的突破克隆和一个小坦克游戏，在那里你可以射击和移动。

由于我的想法是对每一种“Agent类型”的进化种群使用，现在的问题是，是否有可能一般性地确定隐藏层的数量和隐藏层中神经元的数量。

我的坦克游戏设置是4个输入，3个输出和一个隐藏层与12个神经元工作最好( 50代左右，真正强大)。

我的突破游戏设置是6个输入，2个输出和2个隐藏层与12个神经元，似乎是最好的工作。

Done

所以，回到第32页，你可以看到，每个隐藏层上的神经元似乎需要更多的时间来启动，但是中间的神经元越多，就越有机会在没有噪音的情况下进入这个函数。

我目前只使用我的人工智能，在成功地比上次尝试更好的情况下使用了体能增长。

所以在坦克游戏中，这意味着他成功地射中了另一辆坦克(打伤他4次更好，然后敌人死了)并赢得了这一轮。

在突破游戏，它是类似的，因为我有一个桨，AI可以左右移动，它可以收集积分。这里的“被射中”或“负伤”就是它忘了接球。因此，潜在的噪声输入将是两个输出值(移动-左，移动-右)，这取决于4个输入值(球x，y，德高，挽歌)。

问题

那么，什么样的计算隐藏层的数量和神经元的数量，你认为是一个很好的权衡，没有噪音，杀死基因组进化？

在你能说“它会进一步发展”之前，什么是代理商的最低数量？我目前的训练设置总是围绕着50名平行学习的代理人(所以他们基本上模拟了50场平行的“幕后”游戏)。

Answer 1

总之，对于大多数问题，只要使用两个规则来设置隐藏层配置，就可以获得良好的性能(即使没有第二个优化步骤)：(i)隐层数等于1；(ii)该层中的神经元数是输入和输出层中神经元的平均值。

-道格

总之。这是一个正在进行的研究领域。大多数(据我所知)使用大量神经元和H层的ANN没有设置静态数目，而是使用算法不断地修改这些值。通常在输出集中/发散时进行构造和破坏。

由于听起来您已经在使用一些进化计算，请考虑一下安德鲁·特纳在CGPANN上的工作，我记得它在类似于您的工作的基准上得到了相当不错的改进。