큐:
NEAT (NeuroEvolution of Augmenting Topologies)는 유전자 기계 학습에 어떻게 기여합니까?
ㅏ:NEAT (NeuroEvolution of Augmenting Topologies)는 가중치와 네트워크 구조에 따라 네트워크를 최적화하는 데 도움이되는 유전자 알고리즘의 원칙을 기반으로하는 최첨단 혁신적인 모델을 제공함으로써 유전자 기계 학습에 기여합니다.
일반적으로 유전자 알고리즘은 자연 선택의 원칙에 따라 인공 지능 및 기계 학습 모델입니다. 주어진 요구에 가장 적합한 결과를 선택하는 원칙을 반복적으로 처리하여 작동하는 모델입니다. 이것들은 전문가들이 머신 러닝의 "진화론자 학교"라고 부르는 분야에서 "진화 알고리즘"의 광범위한 범주의 일부입니다. 생물학적 진화 원리에 따라 고도로 구조화 된 것입니다.
| 무료 다운로드 : 기계 학습 및 중요한 이유 |
Augmenting Topologies 네트워크의 NeuroEvolution 네트워크는 토폴로지 및 가중치 진화 인공 신경 네트워크 (TWEAN) – 네트워크 토폴로지와 네트워크의 가중치 입력을 모두 최적화합니다. NEAT의 후속 버전과 기능은이 일반적인 원리를 특정 용도에 맞게 조정하는 데 도움이되었습니다. 비디오 게임 컨텐츠 제작 및 로봇 시스템 계획 포함.
증강 신경 토폴로지의 신경 진화와 같은 도구를 사용하면 인공 신경 네트워크 및 이와 유사한 기술이 생물학적 생명체가 행성에서 진화 한 것과 동일한 방식을 포함 할 수 있지만 기술은 일반적으로 매우 빠르고 복잡한 방식으로 매우 빠르게 진화 할 수 있습니다.
NeuroEvolution of Augmenting Topologies 사용자 그룹, 소프트웨어 FAQ 및 기타 요소와 같은 리소스는 NEAT의 작동 방식과 진화 머신 러닝의 맥락에서 그것이 의미하는 바를 완전히 이해하는 데 도움이 될 수 있습니다. 기본적으로 NEAT는 네트워크 구조를 간소화하고 입력 가중치를 변경함으로써 머신 러닝 시스템의 인간 처리기를 목표에 더 가깝게 만들면서도 설정과 관련된 많은 인력을 제거 할 수 있습니다. 전통적으로 간단한 피드 포워드 신경망 및 기타 초기 모델에서는 가중치 입력의 구성 및 설정이 인간의 훈련에 의존했습니다. 이제는 이러한 시스템을 사용하여 자동화됩니다.
