Machine learningNeuroevolution
NEAT：拓扑增强神经进化
NEAT是一种用于进化人工神经网络的遗传算法，由Kenneth Stanley和Risto Miikkulainen于2002年提出。与仅进化权重的其他方法不同，NEAT同时进化神经网络的拓扑（结构）和连接权重。它通过带有历史标记的直接基因组编码实现这一点，从而使得不同结构的神经网络之间能够进行有意义的交叉，使其适用于强化学习、游戏对弈和控制任务，而无需预先定义架构。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- Stanley, K. O., & Miikkulainen, R. (2002). Evolving neural networks through augmenting topologies. Evolutionary Computation, 10(2), 99–127. DOI: 10.1162/106365602320169811 ↗
如何引用本页
ScholarGate. (2026, June 2). NeuroEvolution of Augmenting Topologies (NEAT). ScholarGate. https://scholargate.app/zh/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 →