Machine learningNeuroevolution
NEAT: NeuroEvolution of Augmenting Topologies
NEAT는 Kenneth Stanley와 Risto Miikkulainen이 2002년에 소개한 인공 신경망 진화를 위한 유전 알고리즘입니다. 가중치만 진화시키는 방법과 달리, NEAT는 신경망의 토폴로지(구조)와 연결 가중치를 동시에 진화시킵니다. 이는 역사적 표식을 포함한 직접적인 유전자형 인코딩을 통해 달성되며, 서로 다른 구조를 가진 네트워크 간의 의미 있는 교차를 가능하게 하여 사전 정의된 아키텍처 없이 강화 학습, 게임 플레이 및 제어 작업에 적용할 수 있습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Stanley, K. O., & Miikkulainen, R. (2002). Evolving neural networks through augmenting topologies. Evolutionary Computation, 10(2), 99–127. DOI: 10.1162/106365602320169811 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). NeuroEvolution of Augmenting Topologies (NEAT). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →