52、神经进化平台的解耦与模块化

神经进化平台的解耦与模块化

在神经进化系统的开发中，为了提高系统的灵活性和可扩展性，对相关记录进行更新和解耦是非常必要的。下面我们将详细介绍这些更新内容。

1. 神经元记录更新

首先来看神经元记录的更新。新的神经元记录定义如下：

-record(neuron, {id, generation, cx_id, af, pf, aggr_f, input_idps=[], output_ids=[], ro_ids=[]}).

新增元素及其详细定义如下：
- pf ：是一个原子，代表可塑性函数的名称。该函数接受突触权重列表、输入向量和输出向量作为输入，输出为更新后的突触权重。
- aggr_f ：也是一个原子，代表聚合函数的名称。目前常用的是点积函数，它将输入信号与突触权重进行点积运算，若有偏置则加上偏置，最后将结果传递给激活函数。也可以使用其他替代方法，例如将输入信号聚合，保存到处理注册表，用当前输入信号减去前一个输入信号，再将结果与突触权重进行点积运算。

2. 代理记录更新

代理记录也进行了修改，以增加更多的灵活性和可选择性：

-record(agent,{id, generation, population_id, specie_id, cx_id, fingerprint, constraint, 
evo_hist=[], fitness, innovati