NEAT: न्यूरोइवोल्यूशन ऑफ ऑग्मेंटिंग टोपोलॉजीज़ (NeuroEvolution of Augmenting Topologies)
NEAT कृत्रिम तंत्रिका नेटवर्क (artificial neural networks) विकसित करने के लिए एक आनुवंशिक एल्गोरिथम है जिसे केनेथ स्टेनली और रिस्टो मिकुलैनन ने 2002 में प्रस्तुत किया था। उन विधियों के विपरीत जो केवल भार (weights) विकसित करती हैं, NEAT तंत्रिका नेटवर्क की टोपोलॉजी (संरचना) और कनेक्शन भार दोनों को एक साथ विकसित करता है। यह ऐतिहासिक चिह्नों के साथ एक प्रत्यक्ष जीनोम एन्कोडिंग (direct genome encoding) के माध्यम से इसे प्राप्त करता है जो विभिन्न संरचनाओं के नेटवर्क के बीच सार्थक क्रॉसओवर (crossover) को सक्षम बनाता है, जिससे यह पूर्वनिर्धारित वास्तुकला की आवश्यकता के बिना सुदृढीकरण सीखने (reinforcement learning), गेम खेलने और नियंत्रण कार्यों के लिए लागू होता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Stanley, K. O., & Miikkulainen, R. (2002). Evolving neural networks through augmenting topologies. Evolutionary Computation, 10(2), 99–127. DOI: 10.1162/106365602320169811 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). NeuroEvolution of Augmenting Topologies (NEAT). ScholarGate. https://scholargate.app/hi/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.
- सह-प्रसरण आव्यूह अनुकूलन (CMA-ES)अनुकूलन↔ compare
- जेनेटिक एल्गोरिथमअनुकूलन↔ compare
- न्यूरल आर्किटेक्चर सर्चगहन अधिगम↔ compare