| http://dbpedia.org/ontology/abstract
|
NeuroEvolution of Augmenting Topologies (N … NeuroEvolution of Augmenting Topologies (NEAT) ist der Name eines genetischen Algorithmus, der künstliche neuronale Netze evolviert. Er wurde im Jahr 2002 von Ken Stanley an der University of Texas at Austin entwickelt. Aufgrund seiner praktischen Anwendbarkeit wird der Algorithmus in verschiedenen Bereichen des maschinellen Lernens genutzt. Es werden sowohl die Topologie als auch die Gewichte der Verbindungen im neuronalen Netz evolviert.Die wesentlichen Eigenschaften von NEAT sind:
* die Zuweisung einer Identifikationsnummer (engl. Innovation number), die die vorteilhafte Rekombination verschiedener Topologien erlaubt,
* die Nischenbildung durch die Beschränkung der Rekombination auf einen Verwandtschaftsgrad und
* die zunehmende Diversität der Population bei anfänglicher Gleichförmigkeit. Die Erweiterung HyperNEAT ermöglicht die Evolution deutlich größerer Netzwerke, indem geometrische Strukturen des gegebenen Problems ausgenutzt werden (z. B. die Steuerung mehrerer Beine).rden (z. B. die Steuerung mehrerer Beine).
, L'algorithme NEAT (de l'anglais Neuroevolu … L'algorithme NEAT (de l'anglais Neuroevolution of augmenting topologies) est un algorithme génétique utilisé pour la génération de réseaux de neurones artificiels développé par Ken Stanley en 2002 lorsqu'il était à l'Université du Texas à Austin. L'algorithme consiste à modifier à la fois les paramètres de pondération et les structures des réseaux de neurones afin d'essayer de trouver un équilibre entre la performance des solutions obtenues et leur diversité. Il est basé sur trois techniques principales : suivre les modifications réalisées sur chaque gêne afin de permettre des croisements entre les différentes topologies, appliquer des mutations (l'évolution des espèces) pour conserver les innovations et développer les topologies pas-à-pas à partir de structures initiales simples ("complexification").es initiales simples ("complexification").
, التطور العصبي لتضخيم الطوبولوجيا هي خوارزم … التطور العصبي لتضخيم الطوبولوجيا هي خوارزميات وراثية لتوليد شبكة عصبونية اصطناعية تتطور (طريقة تطور العبي) طورها كن ستانلي عام 2002 اثناء وجوده في جامعة جامعة تكساس في أوستن. إنه يغير كلاً من معلمات الترجيح وهياكل الشبكات، في محاولة لإيجاد توازن بين ملاءمة الحلول المتطورة وتنوعها.تتعمد على تطبيق ثلاث تقنيات رئيسية:
* تتبع الجينات مع علامات التاريخ للسماح بتقاطع بين الطوبولوجيا.
* تطبيق الانواع (تطور الانواع) للمحافظة على الابتكارات.
* تطوير الطوبولوجيا بشكل تدريجي من الهياكل الأولية البسيطة («التعقيد»).جي من الهياكل الأولية البسيطة («التعقيد»).
, NeuroEvolution of Augmenting Topologies (N … NeuroEvolution of Augmenting Topologies (NEAT) is a genetic algorithm (GA) for the generation of evolving artificial neural networks (a neuroevolution technique) developed by Kenneth Stanley and Risto Miikkulainen in 2002 while at The University of Texas at Austin. It alters both the weighting parameters and structures of networks, attempting to find a balance between the fitness of evolved solutions and their diversity. It is based on applying three key techniques: tracking genes with history markers to allow crossover among topologies, applying speciation (the evolution of species) to preserve innovations, and developing topologies incrementally from simple initial structures ("complexifying").mple initial structures ("complexifying").
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
http://nn.cs.utexas.edu/downloads/papers/stanley.gecco02_1.pdf +
, http://nn.cs.utexas.edu/soft-view.php%3FSoftID=4 +
, http://nn.cs.utexas.edu/soft-view.php%3FSoftID=5 +
, http://sharpneat.sourceforge.net/phasedsearch.html +
, http://nerogame.org/ +
, https://github.com/BiagioFesta/EvolutionNet +
, https://github.com/CodeReclaimers/neat-python +
, https://www.aaai.org/Papers/AAAI/2007/AAAI07-292.pdf%7Carchive-url=https:/web.archive.org/web/20151028173703/http:/www.aaai.org/Papers/AAAI/2007/AAAI07-292.pdf%7Curl-status=dead%7Carchive-date=2015-10-28 +
, https://github.com/matheust3/mtNEAT +
, https://github.com/OptimusLime/neatjs +
, http://rubyneat.com +
, http://www.cs.utexas.edu/users/nn/downloads/papers/stanley.aiide05demo.pdf +
, https://github.com/cazala/synaptic +
, https://gitlab.com/onnoowl/Neat-Ex +
, http://multineat.com/features.html +
, http://www.cs.utexas.edu/users/nn/keyword%3Frtneat +
, http://www.cs.utexas.edu/~ai-lab/pubs/GECCO06-matt.pdf +
, http://anji.sourceforge.net/ +
, http://beacon-center.org/blog/2012/08/13/evolution-101-neuroevolution/ +
, https://pypi.python.org/pypi/neat-python/ +
, http://neat4j.sourceforge.net/ +
, http://www.cs.ucf.edu/~kstanley/neat.html +
, https://www.youtube.com/watch%3Fv=qv6UVOQ0F44 +
, http://nn.cs.utexas.edu/downloads/papers/stanley.cec03.pdf +
, http://nn.cs.utexas.edu/downloads/papers/stanley.ec02.pdf%7Cciteseerx=10.1.1.638.3910%7Cs2cid=498161 +
, https://sharpneat.sourceforge.io/ +
, https://github.com/noio/peas +
, http://picbreeder.org/ +
, http://eplex.cs.ucf.edu +
, https://cs.gmu.edu/~eclab/projects/ecj/ +
, https://github.com/wagenaartje/neataptic +
, http://gar.eecs.ucf.edu/ +
, http://EndlessForms.com/ +
, https://www.engadget.com/2015/06/17/super-mario-world-self-learning-ai/ +
, http://gekkoquant.com/2016/03/13/evolving-neural-networks-through-augmenting-topologies-part-1-of-4/ +
|
| http://dbpedia.org/ontology/wikiPageID
|
344922
|
| http://dbpedia.org/ontology/wikiPageLength
|
13599
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1114137966
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Elixir_%28programming_language%29 +
, http://dbpedia.org/resource/Artificial_neural_network +
, http://dbpedia.org/resource/Neuroevolution +
, http://dbpedia.org/resource/Galactic_Arms_Race +
, http://dbpedia.org/resource/C_Sharp_%28programming_language%29 +
, http://dbpedia.org/resource/JavaScript +
, http://dbpedia.org/resource/GNU_General_Public_License +
, http://dbpedia.org/resource/Super_Mario_World +
, http://dbpedia.org/resource/YouTube +
, http://dbpedia.org/resource/Category:Artificial_neural_networks +
, http://dbpedia.org/resource/Scheme_%28programming_language%29 +
, http://dbpedia.org/resource/Category:Evolutionary_computation +
, http://dbpedia.org/resource/Category:Evolutionary_algorithms +
, http://dbpedia.org/resource/Evolutionary_acquisition_of_neural_topologies +
, http://dbpedia.org/resource/NEAT_Particles +
, http://dbpedia.org/resource/Reinforcement_learning +
, http://dbpedia.org/resource/Javascript_%28programming_language%29 +
, http://dbpedia.org/resource/Risto_Miikkulainen +
, http://dbpedia.org/resource/Perceptron +
, http://dbpedia.org/resource/C%2B%2B +
, http://dbpedia.org/resource/Kenneth_Stanley +
, http://dbpedia.org/resource/Java_%28programming_language%29 +
, http://dbpedia.org/resource/GNU_Guile +
, http://dbpedia.org/resource/HyperNEAT +
, http://dbpedia.org/resource/CPPN +
, http://dbpedia.org/resource/Ruby_%28programming_language%29 +
, http://dbpedia.org/resource/Genetic_algorithm +
, http://dbpedia.org/resource/Python_%28programming_language%29 +
, http://dbpedia.org/resource/Category:Genetic_algorithms +
, http://dbpedia.org/resource/The_University_of_Texas_at_Austin +
, http://dbpedia.org/resource/Encog +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Refend +
, http://dbpedia.org/resource/Template:Refbegin +
, http://dbpedia.org/resource/Template:Cite_journal +
, http://dbpedia.org/resource/Template:Main +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Evolutionary_algorithms +
, http://dbpedia.org/resource/Category:Evolutionary_computation +
, http://dbpedia.org/resource/Category:Artificial_neural_networks +
, http://dbpedia.org/resource/Category:Genetic_algorithms +
|
| http://purl.org/linguistics/gold/hypernym
|
http://dbpedia.org/resource/Algorithm +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Neuroevolution_of_augmenting_topologies?oldid=1114137966&ns=0 +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Neuroevolution_of_augmenting_topologies +
|
| owl:sameAs |
http://dbpedia.org/resource/Neuroevolution_of_augmenting_topologies +
, http://de.dbpedia.org/resource/NeuroEvolution_of_Augmented_Topologies +
, http://www.wikidata.org/entity/Q7002196 +
, http://fr.dbpedia.org/resource/Algorithme_NEAT +
, http://ar.dbpedia.org/resource/%D8%A7%D9%84%D8%AA%D8%B7%D9%88%D8%B1_%D8%A7%D9%84%D8%B9%D8%B5%D8%A8%D9%8A_%D9%84%D8%AA%D8%B6%D8%AE%D9%8A%D9%85_%D8%A7%D9%84%D8%B7%D9%88%D8%A8%D9%88%D9%84%D9%88%D8%AC%D9%8A%D8%A7 +
, http://yago-knowledge.org/resource/Neuroevolution_of_augmenting_topologies +
, http://rdf.freebase.com/ns/m.01yljb +
, https://global.dbpedia.org/id/4sRfC +
|
| rdf:type |
http://dbpedia.org/class/yago/PsychologicalFeature100023100 +
, http://dbpedia.org/class/yago/Description106724763 +
, http://dbpedia.org/class/yago/Specification106725067 +
, http://dbpedia.org/class/yago/Activity100407535 +
, http://dbpedia.org/class/yago/Procedure101023820 +
, http://dbpedia.org/class/yago/Act100030358 +
, http://dbpedia.org/class/yago/ComputerArchitecture106725249 +
, http://dbpedia.org/class/yago/NeuralNetwork106725467 +
, http://dbpedia.org/class/yago/Event100029378 +
, http://dbpedia.org/class/yago/Communication100033020 +
, http://dbpedia.org/class/yago/WikicatArtificialNeuralNetworks +
, http://dbpedia.org/class/yago/WikicatEvolutionaryAlgorithms +
, http://dbpedia.org/class/yago/YagoPermanentlyLocatedEntity +
, http://dbpedia.org/class/yago/WikicatGeneticAlgorithms +
, http://dbpedia.org/class/yago/Rule105846932 +
, http://dbpedia.org/ontology/Software +
, http://dbpedia.org/class/yago/Algorithm105847438 +
, http://dbpedia.org/class/yago/Abstraction100002137 +
, http://dbpedia.org/class/yago/Statement106722453 +
, http://dbpedia.org/class/yago/Message106598915 +
|
| rdfs:comment |
NeuroEvolution of Augmenting Topologies (N … NeuroEvolution of Augmenting Topologies (NEAT) ist der Name eines genetischen Algorithmus, der künstliche neuronale Netze evolviert. Er wurde im Jahr 2002 von Ken Stanley an der University of Texas at Austin entwickelt. Aufgrund seiner praktischen Anwendbarkeit wird der Algorithmus in verschiedenen Bereichen des maschinellen Lernens genutzt. Es werden sowohl die Topologie als auch die Gewichte der Verbindungen im neuronalen Netz evolviert.Die wesentlichen Eigenschaften von NEAT sind: wesentlichen Eigenschaften von NEAT sind:
, NeuroEvolution of Augmenting Topologies (N … NeuroEvolution of Augmenting Topologies (NEAT) is a genetic algorithm (GA) for the generation of evolving artificial neural networks (a neuroevolution technique) developed by Kenneth Stanley and Risto Miikkulainen in 2002 while at The University of Texas at Austin. It alters both the weighting parameters and structures of networks, attempting to find a balance between the fitness of evolved solutions and their diversity. It is based on applying three key techniques: tracking genes with history markers to allow crossover among topologies, applying speciation (the evolution of species) to preserve innovations, and developing topologies incrementally from simple initial structures ("complexifying").mple initial structures ("complexifying").
, L'algorithme NEAT (de l'anglais Neuroevolu … L'algorithme NEAT (de l'anglais Neuroevolution of augmenting topologies) est un algorithme génétique utilisé pour la génération de réseaux de neurones artificiels développé par Ken Stanley en 2002 lorsqu'il était à l'Université du Texas à Austin. L'algorithme consiste à modifier à la fois les paramètres de pondération et les structures des réseaux de neurones afin d'essayer de trouver un équilibre entre la performance des solutions obtenues et leur diversité. Il est basé sur trois techniques principales : suivre les modifications réalisées sur chaque gêne afin de permettre des croisements entre les différentes topologies, appliquer des mutations (l'évolution des espèces) pour conserver les innovations et développer les topologies pas-à-pas à partir de structures initiales simples ("complex de structures initiales simples ("complex
, التطور العصبي لتضخيم الطوبولوجيا هي خوارزم … التطور العصبي لتضخيم الطوبولوجيا هي خوارزميات وراثية لتوليد شبكة عصبونية اصطناعية تتطور (طريقة تطور العبي) طورها كن ستانلي عام 2002 اثناء وجوده في جامعة جامعة تكساس في أوستن. إنه يغير كلاً من معلمات الترجيح وهياكل الشبكات، في محاولة لإيجاد توازن بين ملاءمة الحلول المتطورة وتنوعها.تتعمد على تطبيق ثلاث تقنيات رئيسية:
* تتبع الجينات مع علامات التاريخ للسماح بتقاطع بين الطوبولوجيا.
* تطبيق الانواع (تطور الانواع) للمحافظة على الابتكارات.
* تطوير الطوبولوجيا بشكل تدريجي من الهياكل الأولية البسيطة («التعقيد»).جي من الهياكل الأولية البسيطة («التعقيد»).
|
| rdfs:label |
Neuroevolution of augmenting topologies
, Algorithme NEAT
, NeuroEvolution of Augmented Topologies
, التطور العصبي لتضخيم الطوبولوجيا
|
