HyperNeat Фитнес-функция
Я делаю классификационный эксперимент с распознаванием изображений и распознаванием цифр. У меня проблемы с функцией фитнеса. Используя RMSE, похоже, что все геномы пытаются получить минимальный общий уровень ошибок, который не учитывает другие изображения или цифры. Должен ли я реализовать что-то более относительное к каждому набору входов, которое добавляет к глобальной пригодности? Я просто хочу посмотреть, нахожусь ли я на правильном пути здесь. При RMSE все цифры, как правило, классифицируются как 1, что дает высокую оценку пригодности, но очень вводит в заблуждение, поскольку все остальные цифры ошибочно классифицируются.
Может быть, я могу сказать что-то вроде: если ожидаемый результат равен 1 и находится в этом диапазоне, вознаградить его, если не наказать?
Эксперимент XOR в SharpNeat имеет 4 различных оценки пригодности, но, кажется, все добавляет к общему глобальному соответствию в конце. Это относительная фитнес-функция?
Также с разными цифрами я должен явно определить, какие результаты я хочу получить в функции пригодности для каждой цифры?
Спасибо за любую помощь