书名：复杂的引擎（第一推动丛书·综合系列）
作者：约翰·E.梅菲尔德
译者：唐璐
出版社：湖南科学技术出版社
出版时间：2018-01-01
ISBN：9787535794611
第6章 算法进化
一、计算机能学习吗？
6、策略
-
寻找合适的权重有两种不同的策略。
- 一种原理很简单，只需对权重进行随机的微小变动，然后使用表现更好的作为下一轮随机变动的种子。
也就是说进化出合适的权重。这种策略很有效，但是很慢。 - 还有一种方法是利用所谓的反向传播计算权重。
反向传播需要对实际输出和期望输出之间的差别进行量化。
还计算节点输出对各种输入权重的敏感度。
如果能够对各节点进行这种分析，就能在每次训练后计算新权重，让新的输出更接近期望值。
训练越多，表现就越好。
- 一种原理很简单，只需对权重进行随机的微小变动，然后使用表现更好的作为下一轮随机变动的种子。
与对随机变化进行选择相比，反向传播更快，因此在条件允许时通常被采用。但如果条件不允许，例如不知道目标输出值，或者没有最优答案时，基于随机变化的策略就是唯一的选择。
有一个例子是用ANN帮助设计更好的机翼。不知道最好的答案，但在引入新的设计约束时，适当训练的神经网络能给出供测试用的解决方案。
