Neural network 以位向量表示的神经网络权重范围和权重

我用进化算法来改变神经网络的权重，我有一些问题

a） 为简单起见，将网络权重保持在[-1,1]范围内是否是常见做法

我希望将权重保持为位向量，并通过随机翻转向量中的位来对权重执行突变。我遇到的问题是将结果值保持在所选范围内

b） 有没有一种方法可以将浮点表示为位向量，从而使位向量的所有“排列”都在某个范围内

b）的一个潜在解决方案是定义一定数量的步长，比如1024，将权重表示为长度为10的位向量，并将[01023]之间的数字转换为[-1，1]之间的数字

谢谢

将网络权重保持在

[-1,1]

范围内是否是常见做法？ 不，但是在遗传搜索中，将权重限制在一定范围内可能会加快搜索过程。你们将不得不尝试不同的体重范围，以找到一个适合你们的问题的时间间隔

有没有一种方法可以将浮点表示为位向量，从而使位向量的所有“排列”都在某个范围内？ 对。假设您有一个权重，该权重取区间

[-2,2]

中的值。为了表示浮点值，您决定使用（例如）“5位精度”。因此，位向量可以采用从0到（2^5）-1的值

为了计算由位向量表示的浮点值，需要计算

weight\u min+int（位向量）/（2^5）-1）*weight\u范围

一个数字示例：让您的位向量为01000，范围为[-2,2]。这意味着重量范围为4，最小重量为-2。填写上一段中的公式：

-2+8/31*4=-0.97