NEAT: تکامل عصبی توپولوژی‌های افزایشی

NEAT یک الگوریتم ژنتیکی برای تکامل شبکه‌های عصبی مصنوعی است که توسط کنت استنلی و ریستو مییکولاینن در سال ۲۰۰۲ معرفی شد. برخلاف روش‌هایی که صرفاً وزن‌ها را تکامل می‌دهند، NEAT همزمان هم توپولوژی (ساختار) و هم وزن‌های اتصالات شبکه‌های عصبی را تکامل می‌دهد. این امر از طریق یک کدگذاری مستقیم ژنوم با نشانه‌های تاریخی حاصل می‌شود که امکان تقاطع معنادار بین شبکه‌هایی با ساختارهای متفاوت را فراهم می‌کند و آن را برای یادگیری تقویتی، بازی و وظایف کنترلی بدون نیاز به معماری از پیش تعریف شده، قابل استفاده می‌سازد.