文件名称：MultiNEAT:便携式NeuroEvolution库http
文件大小：581KB
文件格式：ZIP
更新时间：2024-06-05 22:30:38
C++
当前构建状态 主分支 conda伪造 当前发行信息 名称 资料下载 版本 平台类 关于MultiNEAT MultiNEAT是一个用于执行神经进化的便携式软件库，这是一种机器学习的形式，可以通过遗传算法训练神经网络。 它基于NEAT，这是一种通过复杂化演化神经网络的高级方法。 NEAT中的神经网络从非常简单的基因组开始进化，这些基因组连续不断地增长。 不断发展的种群中的个体按相似性分组为物种，并且每个人只能与同一物种中的个体竞争。 从最简单的初始结构开始，再到通过历史标记为基因标记基因组的正确匹配，物种形成的综合作用产生了一种算法，该算法在许多领域和基准中被证明对其他方法非常有效。 NEAT由德克萨斯大学奥斯汀分校的肯尼斯·斯坦利（Kenneth Stanley）于2002年左右开发。 执照 GNU普通通用公共许可证v3.0 文献资料 安装 可从conda-forge获得预构建的M
【文件预览】：
MultiNEAT-master
----setup.py(3KB)
----ES-HyperNEAT readme(4KB)
----.gitignore(559B)
----DEPENDS(341B)
----src()
--------Species.h(7KB)
--------Utils.cpp(2KB)
--------Main.cpp(6KB)
--------PhenotypeBehavior.h(3KB)
--------PythonBindings.cpp(30KB)
--------Population.h(9KB)
--------Parameters.h(31KB)
--------NeuralNetwork.cpp(29KB)
--------Genome.cpp(142KB)
--------Innovation.h(6KB)
--------Genes.cpp(15KB)
--------Random.h(2KB)
--------Substrate.h(6KB)
--------PhenotypeBehavior.cpp(1KB)
--------Population.cpp(40KB)
--------Innovation.cpp(9KB)
--------Random.cpp(5KB)
--------Genome.h(25KB)
--------Genes.h(10KB)
--------NeuralNetwork.h(8KB)
--------Traits.cpp(61B)
--------Traits.h(4KB)
--------Substrate.cpp(8KB)
--------Assert.h(3KB)
--------Utils.h(6KB)
--------Species.cpp(37KB)
--------Parameters.cpp(41KB)
----MultiNEAT()
--------__init__.py(5KB)
--------viz.py(14KB)
----.travis.yml(278B)
----MANIFEST.in(103B)
----LICENSE(7KB)
----examples()
--------TestTraits.py(4KB)
--------PythonObjectTraits.ipynb(581KB)
--------TestNEAT_xor.py(4KB)
--------DefaultConfig.NEAT(8KB)
--------TestCondTraits.py(4KB)
--------NoveltySearch.py(13KB)
--------ball_keeper.py(10KB)
--------gym()
--------TestHyperNEAT_xor.py(5KB)
--------TestESHyperNEAT_xor.py(6KB)
----README.md(4KB)
----INSTALL(0B)
----appveyor.yml(1KB)
----travis()
--------Dockerfile(250B)
--------install.sh(966B)
--------run_in_docker.sh(280B)
--------build_docker.sh(137B)
--------run.sh(455B)
--------main.sh(179B)
----CMakeLists.txt(1KB)
----conda()
--------conda_build_config.yaml(50B)
--------run_test.sh(303B)
--------run_test.bat(235B)
--------build.sh(195B)
--------meta.yaml(2KB)
--------bld.bat(260B)