如何使用NEAT（增强拓扑的神经进化）进化LSTM模型？

Question

对于 LSTM 模型或任何神经网络，模型应该有多少个神经元/层没有任何规则，通常你必须努力完善这些参数。但我想知道是否有一种方法可以让像 NEAT（增强拓扑的神经进化）这样的东西使模型发生进化，并为每一代模型决定更好的架构。

NEAT-Python 包是：https://pypi.org/project/neat-python/

所以我有两个具体问题：

1. 是否可以使用 NEAT 来优化 LSTM 模型的架构？ （基于将通过预测功能手动提供给 NEAT 的预测精度）
2. 是否可以仅使用 NEAT 来解决股票预测等时间序列问题？如果是这样，与 LSTM 相比，它的效率如何？

Answer 1

实际上，我正在研究它，但可以将 NEAT（神经进化增强拓扑）与任何令人难忘的模型合并，或者根据您尝试分类/预测的序列计算出的损失来简单地计算您的适应度函数。