DXNN平台：生物无效性的脱落
摘要：基于拓扑和权重进化人工神经网络（TWEANN）系统的一种新型模因算法引入——DX神经网络（DXNN）。DXNN实现了多个有趣的特性，其中包括：一种简单并且适用于数据库的基于元组的编码方法，一种旨在通过其内在的种群差异化效果消除对种群分化的需求的二阶段神经进化方法，一种旨在应对“维度诅咒”的新的“目标调整阶段”，以及一种消除交叉算法需求的新的随机强度突变（RIM）方法。本文将讨论DXNN的架构、突变算子以及其内置的特征选择方法，该方法允许进化系统扩展并纳入新的传感器和执行机构。然后，我将在标准的双竿平衡基准测试上将DXNN与其他最新的TWEANN进行比较，并展示其比竞争对手更快地能够进化出高度紧凑的解决方案的能力。然后，进行一系列的实验来展示DXNN的每个特性如何影响其性能，随后进行一系列实验来展示该平台能够创建具有异常高多样性特征的神经网络种群的能力。最后，DXNN被用于在二维无限制食物获取和捕食-被捕食者模拟中进化人工机器人，展示了该系统越来越复杂的神经网络的产生能力，以及该系统在机器人、人工生命和协同进化领域的适用性。
作者：Gene I. Sher
论文ID：1011.6022
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2011-07-19