NEAT: NeuroEvolution of Augmenting Topologies
NEAT on vuonna 2002 Kenneth Stanleyn ja Risto Miikkulaisen esittelemä geneettinen algoritmi keinotekoisten neuroverkkojen kehittämiseen. Toisin kuin menetelmät, jotka kehittävät vain painokertoimia, NEAT kehittää samanaikaisesti neuroverkkojen sekä topologiaa (rakennetta) että kytkentäpainokertoimia. Tämä saavutetaan suoralla genomin koodauksella, jossa historialliset merkinnät mahdollistavat mielekkään risteytyksen erirakenteisten verkkojen välillä, tehden siitä soveltuvan vahvistusoppimiseen, pelien pelaamiseen ja ohjaustehtäviin ilman ennalta määritettyä arkkitehtuuria.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Stanley, K. O., & Miikkulainen, R. (2002). Evolving neural networks through augmenting topologies. Evolutionary Computation, 10(2), 99–127. DOI: 10.1162/106365602320169811 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). NeuroEvolution of Augmenting Topologies (NEAT). ScholarGate. https://scholargate.app/fi/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.
- Kovarianssimatriisin adaptaatio (CMA-ES)Optimointi↔ compare
- Genetiikka-algoritmiOptimointi↔ compare
- NeuraaliarkkitehtuurihakuSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →