杰伊·陈
雷竞技是骗人的调查报告
通过输出梯度进行深层和复发神经网络的安全突变
J.雷曼，，，，陈，，，，J. Clune，，，，K. Stanley
尽管神经进化（不断发展的神经网络）在从增强学习到人造生活的各个领域都有成功的往绩记录，但它很少应用于大型的深神经网络。一个核心原因是，尽管随机突变通常在低维度上起作用，但数千或数百万重量的随机扰动可能会破坏现有功能，即使某些单独的体重变化是有益的，也没有提供学习信号。[...][PDF]
遗传和进化计算会议（GECCO），2018年
尽管神经进化（不断发展的神经网络）在从增强学习到人造生活的各个领域都有成功的往绩记录，但它很少应用于大型的深神经网络。一个核心原因是，尽管随机突变通常在低维度上起作用，但数千或数百万重量的随机扰动可能会破坏现有功能，即使某些单独的体重变化是有益的，也没有提供学习信号。[...][PDF]
遗传和进化计算会议（GECCO），2018年
ES不仅仅是传统的有限差近似近似器
J.雷曼，，，，陈，，，，杰夫·克莱恩（Jeff Clune），，，，肯尼思·斯坦利（Kenneth O. Stanley）
基于简化自然进化策略的进化策略（ES）变体最近引起了人们的注意，因为它在挑战深度强化学习领域的表现出色。它通过对当前参数集生成扰动，检查其性能并沿更高奖励的总方向移动来搜索神经网络参数。[...][PDF]
遗传和进化计算会议（GECCO），2018年
基于简化自然进化策略的进化策略（ES）变体最近引起了人们的注意，因为它在挑战深度强化学习领域的表现出色。它通过对当前参数集生成扰动，检查其性能并沿更高奖励的总方向移动来搜索神经网络参数。[...][PDF]
遗传和进化计算会议（GECCO），2018年
