NEAT: NeuroEvolution of Augmenting Topologies
NEAT on geneetiline algoritm kunstlike närvivõrkude evolveerimiseks, mille võtsid 2002. aastal kasutusele Kenneth Stanley ja Risto Miikkulainen. Erinevalt meetoditest, mis evolveerivad ainult kaalusid, evolveerib NEAT samaaegselt närvivõrkude topoloogiat (struktuuri) ja ühenduste kaalusid. See saavutatakse otsese genoomi kodeeringu abil, millel on ajaloolised märgised, mis võimaldavad tähendusrikast ristamist erineva struktuuriga võrkude vahel, muutes selle sobivaks tugevdamisõppeks, mängude mängimiseks ja juhtimisülesanneteks ilma eelnevalt määratletud arhitektuurita.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Stanley, K. O., & Miikkulainen, R. (2002). Evolving neural networks through augmenting topologies. Evolutionary Computation, 10(2), 99–127. DOI: 10.1162/106365602320169811 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). NeuroEvolution of Augmenting Topologies (NEAT). ScholarGate. https://scholargate.app/et/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.
- Evolutionary Strategy (CMA-ES)Optimeerimine↔ compare
- Genetiline algoritmOptimeerimine↔ compare
- Neuraalarhitektuuri otsingSüvaõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →