NEAT: Evolucioni Neuroevolucionar i Topologjive Plotësuese
NEAT është një algoritëm gjenetik për evoluimin e rrjeteve artificiale neurale, prezantuar nga Kenneth Stanley dhe Risto Miikkulainen në vitin 2002. Ndryshe nga metodat që evoluojnë vetëm peshat, NEAT evoluon njëkohësisht si topologjinë (strukturën) ashtu edhe peshat e lidhjeve të rrjeteve neurale. Ai e arrin këtë përmes një kodimi të drejtpërdrejtë gjenomik me shenja historike që mundësojnë kryqëzim kuptimplotë midis rrjeteve me struktura të ndryshme, duke e bërë atë të aplikueshëm në mësimin me përforcim, lojëra dhe detyra kontrolli pa kërkuar një arkitekturë të paracënë.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Stanley, K. O., & Miikkulainen, R. (2002). Evolving neural networks through augmenting topologies. Evolutionary Computation, 10(2), 99–127. DOI: 10.1162/106365602320169811 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). NeuroEvolution of Augmenting Topologies (NEAT). ScholarGate. https://scholargate.app/sq/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.
- Strategjia Evolucionare (CMA-ES)Optimizimi↔ compare
- Algoritëm GjenetikOptimizimi↔ compare
- Kërkimi i Arkitekturës NeuraleMësimi i thellë↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →