【发布时间】：2015-01-08 05:59:02
【问题描述】：
这是一个持续的冒险，一些细节被故意混淆。
我有一个有多个输入和一个输出的盒子。输出电压随着输入电压的变化而变化。在许多状态通过并评估回溯过程之前，无法评估输出序列的合意性。
我想设计一个神经网络，将盒子的多个输出作为输入，并为盒子生成正确的输入设置，以产生最佳的下一个输出。
我无法使用反向传播来训练这个网络。如何训练这个网络？
【问题讨论】：
标签： neural-network backpropagation
【发布时间】：2015-01-08 05:59:02
【问题描述】：
遗传算法将是一个很好的候选者。一条染色体可以编码神经网络的权重。评估后，您根据染色体的性能为染色体分配适应度值。适应度值较高的染色体具有较高的繁殖机会，有助于在下一代产生性能更好的染色体。
编码权重是一个相对简单的解决方案，更复杂的甚至可以定义网络的拓扑结构。
您可能会在此处找到一些额外的有用信息：
【讨论】：
-
谢谢！正是我想要的。
-
@BingBang 很高兴它有帮助。如果它确实回答了您的问题，请考虑将答案标记为“已接受”。
Hillclimbing 是最容易实现的优化算法。只是随机修改权重，看看它是否做得更好，如果没有重置它们，然后再试一次。它通常也比遗传算法更快。但是它很容易陷入局部最优，因此请尝试运行多次并选择最佳结果。
【讨论】：