التطور العصبي للطوبولوجيا المعززة (NEAT)
NEAT هي خوارزمية جينية لتطوير الشبكات العصبية الاصطناعية قدمها كينيث ستانلي وريستو ميككولاينن في عام 2002. على عكس الطرق التي تطور الأوزان وحدها، تقوم NEAT بتطوير كل من طوبولوجيا (هيكل) وأوزان اتصال الشبكات العصبية في وقت واحد. تحقق ذلك من خلال ترميز جينومي مباشر مع علامات تاريخية تمكن من التزاوج الهادف بين الشبكات ذات الهياكل المختلفة، مما يجعلها قابلة للتطبيق على التعلم المعزز، ولعب الألعاب، ومهام التحكم دون الحاجة إلى بنية محددة مسبقًا.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Stanley, K. O., & Miikkulainen, R. (2002). Evolving neural networks through augmenting topologies. Evolutionary Computation, 10(2), 99–127. DOI: 10.1162/106365602320169811 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). NeuroEvolution of Augmenting Topologies (NEAT). ScholarGate. https://scholargate.app/ar/deep-learning/neat
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- استراتيجية التطور (CMA-ES)التحسين↔ compare
- الخوارزمية الجينيةالتحسين↔ compare
- Neural Architecture Searchالتعلم العميق↔ compare