Чем использование моделируемого отжига в сочетании с нейронной сетью с прямой связью отличается от простого сброса весов (и размещения скрытого слоя в новой долине ошибок) при достижении локального минимума? Используется ли имитация отжига в FFNN как более систематический способ перемещения весов для поиска глобального минимума, и, следовательно, выполняется только одна итерация каждый раз, когда ошибка проверки начинает увеличиваться по сравнению с ошибкой обучения ... медленно перемещая текущую позицию по функции ошибок? В этом случае моделируемый отжиг не зависит от сети прямой связи, а сеть прямой связи зависит от выходных данных моделируемого отжига. Если нет, и смоделированный отжиг напрямую зависит от результатов FFNN, я не понимаю, как тренажер смоделированного отжига получит эту информацию с точки зрения как обновлять свои собственные веса (если это делает смысл). В одном из примеров упоминается цикл (несколько итераций), что не соответствует моему первому предположению.
Я просмотрел разные примеры, где используются network.fromArray() и network.toArray(), но я вижу только network.encodeToArray() и network.decodeFromArray(). Каков самый современный способ (v3.2) для передачи весов из одного типа сети в другой? Это то же самое для использования генетических алгоритмов и т. д.?
