进化深度学习(遗传算法和神经网络)

在这本不可思议的书中 ，将深度学习与进化生物学 结合起来，研究增强神经网 络解决棘手的搜索、优化和 控制问题的能力。通过实用 且有趣的示例展示了来自自 然界的古老经验如何推动数 据科学的发展。 《进化深度学习》介绍 了进化计算（EC），并为 你提供了一套实用的技术工 具，你可以在整个深度学习 过程中应用这些技术。本书 提供了遗传算法和进化计算 方法在网络拓扑、生成模型 、强化学习等方面的应用。 通过交五式的Colab notebook使你有机会在探索 过程中进行实验。

迈克尔·兰哈姆（Micheal Lanham）是一位可靠的软件和技术创新者，拥有超过20年的工作经验。

第Ⅰ部分 入门 第1章 进化深度学习简介 1.1 什么是进化深度学习 1.2 EDL的缘由和应用领域 1.3 深度学习优化的需求 1.4 用自动化机器学习实现自动优化 1.5 进化深度学习的应用 1.5.1 模型选择：权重搜索 1.5.2 模型架构：架构优化 1.5.3 超参数调优 1.5.4 验证和损失函数的优化 1.5.5 神经进化增强拓扑结构 1.5.6 目标 1.6 本章小结 第2章 进化计算简介 2.1 Google Colaboratory中的康威生命游戏 2.2 用Python进行生命模拟 2.3 将生命模拟作为优化 2.4 向生命模拟添加进化 2.4.1 模拟进化 2.4.2 练习 2.4.3 关于达尔文和进化的背景知识 2.4.4 自然选择和适者生存 2.5 Python中的遗传算法 2.5.1 了解遗传学和减数分裂 2.5.2 编码遗传算法 2.5.3 构建种群 2.5.4 评估适应度 2.5.5 选择繁殖（交叉） 2.5.6 应用交叉：繁殖 2.5.7 应用突变和变异 2.5.8 将所有内容整合在一起 2.5.9 理解遗传算法的超参数 2.5.10 练习 2.6 本章小结 第3章 使用DEAP介绍遗传算法 3.1 DEAP中的遗传算法 3.1.1 使用DEAP解决一维最大化问题 3.1.2 练习 3.2 解决“王后开局”问题 3.3 旅行商问题 3.3.1 构建旅行商问题求解器 3.3.2 练习 3.4 改进进化的遗传操作符选择 3.5 使用EvoLisa进行绘画 3.6 本章小结 第4章 使用DEAP进行更多的进化计算 4.1 基于DEAP的遗传编程 …… 第Ⅱ部分 优化深度学习