【2023新书】演化深度学习：遗传算法和神经网络，362页pdf

这本书共分为三个部分：入门篇，深度学习优化，以及高级应用。在第一部分“入门篇”中，我们首先介绍模拟、进化、遗传和其他算法的基础知识。接着，我们展示了在深度学习中运用进化和遗传搜索的各种应用。最后，我们通过研究生成建模、强化学习和泛化智能的高级应用来结束本书。下面是每一章的总结：■ 部分1：入门篇 – 章节1：引入进化深度学习 —— 本章介绍将进化算法与深度学习相结合的概念。– 章节2：引入进化计算 —— 本章为您提供计算模拟的基本介绍以及如何应用进化。– 章节3：用DEAP介绍遗传算法 —— 本章介绍了遗传算法的概念和使用DEAP框架。– 章节4：用DEAP进行更多的进化计算 —— 本章探讨了遗传和进化算法的有趣应用，从旅行商问题到生成蒙娜丽莎的图像。■ 部分2：深度学习优化 – 章节5：自动化超参数优化 —— 本章展示了使用遗传或进化算法在深度学习系统中优化超参数的几种方法。– 章节6：神经进化优化 —— 在这一章，我们研究了使用神经进化优化深度学习系统的网络架构。– 章节7：进化卷积神经网络 —— 本章探讨了使用进化优化卷积神经网络架构的高级应用。■ 部分3：高级应用 – 章节8：进化自编码器 —— 本章介绍或回顾了使用自编码器的生成建模的基础知识。然后，演示了进化如何发展成进化自编码器。– 章节9：生成深度学习和进化 —— 本章继续上一章的内容，介绍或回顾了生成对抗网络以及如何用进化进行优化。– 章节10：NEAT：增强拓扑的神经进化 —— 本章介绍了NEAT，并介绍了如何将其应用于各种基线应用。– 章节11：使用NEAT的进化学习 —— 本章讨论了强化学习和深度强化学习的