Python 脑神经元操作

有没有一种好方法可以将神经元及其相关连接添加/删除到完全连接的大脑网络中？假设我从以下几点开始：

from pybrain.tools.shortcuts import buildNetwork
net = buildNetwork(2,3,1)

在保持所有旧权重的同时（并像初始化网络时那样，将任何新权重初始化为随机权重），我将如何使其成为（2,4,1）或（2,2,1）网络？我之所以想这样做，是因为我试图使用进化学习策略来确定最佳架构，“变异”步骤涉及以一定概率添加/删除节点。（输入和输出模块应始终保持不变。）

---

编辑：我找到了NeuronDecomposableNetwork，这应该会使这更容易，但似乎我仍然必须单独跟踪神经元和连接。

我想你是按照算法的思路来做的？ 您的问题有两种不同的答案：

开放式网络拓扑的演变：在这种情况下，我建议将每个神经元封装在其自己的“层”/模块中，并以迭代的方式添加/删除它们及其与网络的连接，有点像，只是会有更多（单个神经元）层。不要忘记在每次拓扑更改后调用

sortModules（）

方法

在预定义的框架内寻找最佳拓扑（最多1000个神经元）。在这种情况下，一开始构建完整的网络更容易、更高效，只需屏蔽部分连接（例如使用模块）。其中，设计用于搜索此类拓扑空间的

正如您所说，另一种方法是手动管理所有权重（通过跟踪或使用

NeuronalDecomposableNetwork

），但我不建议这样做

---

---

一般评论：对于pybrain的更高级使用，如您的pybrain，依赖“buildNetwork”快捷方式实在是太有限了，您需要直接使用网络/模块/连接API。

太棒了，这对我很有帮助，谢谢！我真的很喜欢第一个想法。从来没有想过使用层作为单独的神经元。是的，在尝试了大约三天之后，我也不推荐手动管理lol（另一个stackoverflow帖子就是我想到的）。我会在做了一些实验后回来（这是我第一次发现它，但几乎正是我想要得到的），并用结果更新我的帖子。