71、神经可塑性与遗传进化策略在神经进化系统中的实现与应用

神经可塑性与遗传进化策略在神经进化系统中的实现与应用

1. 可塑性参数变异算子

在神经进化系统中，可塑性参数的变异是一个重要的环节。首先，我们定义了一些基本的变异操作。

1.1 变异概率与参数扰动

变异概率 MutationProb 的计算公式为：

MutationProb = 1/math:sqrt(length(ParameterList)),

通过这个概率，我们对参数列表 ParameterList 进行扰动，得到更新后的参数列表 U_ParameterList ：

U_ParameterList = perturb(ParameterList,MutationProb,MSpread,[]),

进而更新可塑性函数参数 U_PF ：

U_PF = {PFName,U_ParameterList},

同时，对输入标识参数 InputIdPs 也进行扰动：

InputIdPs = N#neuron.input_idps,
U_InputIdPs=perturb_parameters(Input