NEAT: নিউরোইভোলিউশন অফ অগমেন্টটিং টপোলজিস
NEAT হল কৃত্রিম নিউরাল নেটওয়ার্কগুলির বিবর্তনের জন্য একটি জেনেটিক অ্যালগরিদম যা ২০০২ সালে কেনেথ স্ট্যানলি এবং রিস্টো মিক্কুলainen দ্বারা প্রবর্তিত হয়েছিল। শুধুমাত্র ওজন বিবর্তনের পদ্ধতির বিপরীতে, NEAT একই সাথে নিউরাল নেটওয়ার্কগুলির টপোলজি (গঠন) এবং সংযোগের ওজন উভয়ই বিকশিত করে। এটি ঐতিহাসিক চিহ্ন সহ একটি সরাসরি জিনোম এনকোডিংয়ের মাধ্যমে এটি অর্জন করে যা বিভিন্ন কাঠামোর নেটওয়ার্কগুলির মধ্যে অর্থপূর্ণ ক্রোসওভার সক্ষম করে, এটিকে পূর্বনির্ধারিত স্থাপত্যের প্রয়োজন ছাড়াই রিইনফোর্সমেন্ট লার্নিং, গেম খেলা এবং নিয়ন্ত্রণ কাজের জন্য প্রযোজ্য করে তোলে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Stanley, K. O., & Miikkulainen, R. (2002). Evolving neural networks through augmenting topologies. Evolutionary Computation, 10(2), 99–127. DOI: 10.1162/106365602320169811 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). NeuroEvolution of Augmenting Topologies (NEAT). ScholarGate. https://scholargate.app/bn/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.
- কভ্যারিয়েন্স ম্যাট্রিক্স অ্যাডাপটেশন (CMA-ES)অনুকূলকরণ↔ compare
- জেনেটিক অ্যালগরিদমঅনুকূলকরণ↔ compare
- নিউরাল আর্কিটেকচার সার্চগভীর শিখন↔ compare
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →