Neural network 我需要一种方法来训练神经网络而不是反向传播

这是一项正在进行的冒险，一些细节被故意混淆了

我有一个盒子，有几个输入和一个输出。输出电压随输入电压的变化而变化。在经过许多状态并评估回溯过程之前，无法评估输出序列的可取性

我想设计一个神经网络，将盒子的许多输出作为输入，并为盒子生成正确的输入设置，以生成最佳的下一个输出

---

我无法使用反向传播来训练这个网络。如何训练这个网络？

遗传算法在这里是一个很好的选择。染色体可以对神经网络的权值进行编码。评估后，根据染色体的性能为其指定适应值。具有较高适应值的染色体有较高的繁殖机会，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，更复杂的解决方案甚至可以定义网络的拓扑结构

您可以在此处找到一些其他有用信息：

---

Hillclimbing是实现的最简单的优化算法。只需随机修改权重，看看是否效果更好，如果不重置权重，请重试。它通常也比遗传算法快。但是，它很容易陷入局部最优，因此请尝试运行几次并选择最佳结果。

谢谢！“这正是我要找的东西。”彬邦很高兴它很有用。如果它真的回答了你的问题，请考虑将答案标记为“接受”。