NEAT Spotify:使用增强拓扑的NeuroEvolution(NEAT)预测歌曲的受欢迎程度。 一种使用进化公式构建神经网络的方法 源码

整洁的 使用增强拓扑的NeuroEvolution(NEAT)预测歌曲的受欢迎程度。 一种使用进化公式构建神经网络的方法。 描述:一种确定ANN(人工神经网络)最有效的结构/拓扑的策略是使ANN构建自身。 这些方法之一是NEAT(增强拓扑的神经进化(4))。 NEAT使用生物学模型将种群中的个体分配给多个物种。 然后,根据它们在数据集中的表现,这些物种/个体将“竞争”成为最适合的物种。 NEAT不是使用常规的前馈权重优化策略(例如反向传播),而是使用个体之间的变异和交叉。 与其他神经进化方法相比,NEAT的独特之处在于使用遗传编码,通过历史标记跟踪连接,通过物种形成保护新连接以及通过从最小结构的增量生长来最小化尺寸。 图1显示平均节点数(右上)增加,而误差(右下)波动,但最终减少。 NEAT的发展可以提供多种类型的连接,包括:前馈和后馈,残留和循环连接。 图1:基于乡村音乐的示例结果