Can neural networks evolve themselves? NEAT AI plays games with machine learning

[@phonedr.1013]

林老師咧講的超好的啦 恐怕是台灣裡面the best 的知識型KZbinr

[@younger98]

我跪著看完了，太強大啦!!!

[@HaskaSu]

感謝收看~ 希望你也越來越強大~

[@singinging]

以前完全不懂時看這影片，現在稍微實做過簡易機器學習後，又回來看一次，講解的真的很清晰，影片的圖文也很棒，還有超酷的範例網站，又燃起想多了解的興趣，感謝有幸能看到小哈的影片。 ps : 最近也購入兩本小哈的新書，新影片有出也都會看，希望影片、書籍會持續出，支持。

[@HaskaSu]

感謝支持~~~ 現在類網AI的進展太快，大家也比較容易接受和理解 下次可能可以再深入講一些AI的課題

[@singinging]

@@HaskaSu 🤩🤩讚啦

[@Peter-r4h9q]

這篇太厲害了， 我一直以為AI是跟我太遠的東西， 現在一篇搞懂他是什麼，趕緊學習

[@HaskaSu]

呵呵，謝謝你呀~ 太棒了~

[@王小明-t2e]

反向傳播就是連鎖率的延伸! 有點微積分基礎就看得懂 不用想得太複雜

[@王小明-t2e]

話說之前就有讀到透過GA調整神經網路架構的論文，論文本身對於GA處理的部分所提甚少，不過在看了小哈的影片後總算了解了

[@HaskaSu]

謝謝觀賞~ 不過我只有淺淺的介紹 把每個染色體編號那裏, 其實為了要讓染色體正確對齊, 還需要一些技巧我沒介紹到之類的。 真正要實作還要讀些paper才有辦法, 或是去看人家寫好的函式庫~

[@stemalomd]

雖然說這樣就省去設計神經網路結構的麻煩，但是基因演算法還是需要調整參數，才能找到更優的解?我感覺差的參數產生的解，天花板較低...那這樣還不算是完全自動自我進化，但起碼需要調整的東西降低了一個維度的感覺

[@HaskaSu]

基因演算法靠的是...時間呀~ 慢慢等，總有一天能等到他進化成功~

[@clarliao]

看完我都想把我的類網改用基因演算法訓練看看了.

[@HaskaSu]

呵呵，不過我覺得類網+基因演算法，耗費的時間感覺是指數型增加的~ 如果算的快可能可以試試~

[@張光誼]

乘幕複雜度而已吧