当达到局部最小值时,将模拟退火与前馈神经网络结合使用与简单地重置权重(并将隐藏层放入新的误差谷)有何不同?FFNN 使用模拟退火作为一种更系统的方法来移动权重以找到全局最小值,因此只有一次迭代每次验证误差相对于训练误差开始增加时执行...缓慢移动当前位置穿过误差函数?在这种情况下,模拟退火独立于前馈网络,而前馈网络依赖于模拟退火输出。如果不是,并且模拟退火直接依赖于 FFNN 的结果,我看不出模拟退火训练器将如何接收有关如何更新其自身权重的信息(如果这有意义的话)。其中一个例子提到了一个循环(多次迭代),这不符合我的第一个假设。
我查看了不同的示例,其中使用了 network.fromArray() 和 network.toArray(),但我只看到了 network.encodeToArray() 和 network.decodeFromArray()。将权重从一种类型的网络转移到另一种类型的最新方法(v3.2)是什么?使用遗传算法等是否相同?