神経進化

ニューロエボリューション、またはニューロエボリューションは、進化アルゴリズムを使用して人工ニューラルネットワーク（ANN）、パラメータ、およびルールを生成する人工知能の一形態です。 ^[¹^]これは、人工生命、一般的なゲームプレイ^[²^]、および進化ロボットに最も一般的に適用されています。主な利点は、ニューロエボリューションは、正しい入出力ペアのシラバスを必要とする教師あり学習アルゴリズムよりも広く適用できることです。対照的に、ニューロエボリューションは、タスクにおけるネットワークのパフォーマンスの尺度のみを必要とします。たとえば、ゲームの結果（つまり、一方のプレイヤーが勝ったか負けたか）は、望ましい戦略のラベル付き例を提供することなく簡単に測定できます。ニューロエボリューションは、強化学習パラダイムの一部として一般的に使用されており、固定トポロジーのバックプロパゲーション（ニューラルネットワーク上の勾配降下）を使用する従来の深層学習技術とは対照的です。

特徴

数多くのニューロエボリューションアルゴリズムが定義されてきた。一般的な区分としては、固定されたネットワークトポロジーに対して接続重みの強度のみを進化させるアルゴリズム（従来型ニューロエボリューションと呼ばれることもある）と、ネットワークのトポロジーと重みの両方を進化させるアルゴリズム（トポロジーと重みを進化させる人工ニューラルネットワークアルゴリズム、TWEANNと呼ばれる）がある。

ANNの構造をそのパラメータと並行して進化させる方法（標準的な進化アルゴリズムを適用するもの）と、それらを別々に開発する方法（ミームアルゴリズムによるもの）とは、明確に区別することができる。^{[ 3 ]}

勾配降下法との比較

ほとんどのニューラルネットワークは、ニューロエボリューションではなく勾配降下法を使用しています。しかし、2017年頃、Uberの研究者たちは、単純な構造のニューロエボリューションアルゴリズムが、洗練された現代の業界標準の勾配降下法による深層学習アルゴリズムと競合できることを発見したと発表しました。その理由の一つは、ニューロエボリューションは局所最適解に陥りにくいことが分かったためです。Science誌で、ジャーナリストのMatthew Hutsonは、ニューロエボリューションが以前は失敗していた分野で成功している理由の一つは、2010年代に利用可能になった計算能力の向上によるものだと推測しました。^{[ 4 ]}

神経進化と勾配降下の間には対応関係があることが示される。^{[ 5 ]}

直接符号化と間接符号化

進化アルゴリズムは、遺伝子型（ゲノムとも呼ばれる）の集団に対して作用します。神経進化においては、遺伝子型がニューラルネットワークの表現型にマッピングされ、何らかのタスクで評価されて適応度が導き出されます。

直接符号化方式では、遺伝子型が表現型に直接対応します。つまり、ニューラルネットワーク内のすべてのニューロンと接続が、遺伝子型で直接かつ明示的に指定されます。対照的に、間接符号化方式では、遺伝子型はネットワークがどのように生成されるかを間接的に指定します。^{[ 6 ]}

間接エンコーディングは、いくつかの目的を達成するためによく使用されます。^{[ 6 ]}^{[ 7 ]}^{[ 8 ]}^{[ 9 ]}^{[ 10 ]}

モジュール性およびその他の規則性。
表現型をより小さな遺伝子型に圧縮することで、探索空間を縮小する。
探索空間（ゲノム）を問題領域にマッピングする。

間接符号化のための胚発生システムの分類

従来、人工胚発生（人工発達とも呼ばれる）を用いる間接符号化は、文法アプローチと細胞化学アプローチの2つに分類されてきた。^{[ 11 ]}前者は文法書き換えシステムの形で一連の規則を進化させる。後者は遺伝子発現を通して生物における物理的構造の出現を模倣しようとする。間接符号化システムは、しばしば両方のアプローチの側面を利用する。

スタンレーとミイックライネン^{[ 11 ]}は、胚発生システムの根底にある特性を反映することを目的とした分類法を提案している。この分類法は、あらゆる胚発生システムを位置づけることができる5つの連続的な次元を特定している。

細胞（ニューロン）の運命：成熟した表現型における細胞の最終的な特性と役割。この次元は、細胞の運命を決定するために用いられる方法の数を数える。
ターゲティング：接続をソース細胞からターゲット細胞へ誘導する方法。これには、特定ターゲティング（ソースとターゲットが明示的に識別される）から相対ターゲティング（例えば、細胞間の相対的な位置関係に基づく）までが含まれる。
異時性：胚発生における事象のタイミングと順序。事象のタイミングを変更するメカニズムの数を数える。
キャナル化：ゲノムが突然変異に対してどの程度耐性があるか（脆弱性）。正確な遺伝子型指示を必要とするものから、不正確な突然変異に対して高い耐性を持つものまで、幅広い範囲がある。
複雑化：システム（進化アルゴリズムや遺伝子型から表現型へのマッピングを含む）が、時間の経過とともにゲノム（ひいては表現型）の複雑化を可能にする能力。固定サイズのゲノムのみを許容するものから、非常に可変的な長さのゲノムを許容するものまで、幅広い範囲に及ぶ。

例

神経進化手法の例（直接符号化を用いる手法は必然的に非胚発生的である）：

参考文献

↑ Stanley, Kenneth O. (2017-07-13). "Neuroevolution: A different kind of deep learning" . O'Reilly Media . 2017-09-04に閲覧。
↑ Risi, Sebastian; Togelius, Julian (2017). "Neuroevolution in Games: State of the Art and Open Challenges". IEEE Transactions on Computational Intelligence and AI in Games . 9 : 25–41 . arXiv : 1410.7326 . doi : 10.1109/TCIAIG.2015.2494596 . S2CID 11245845 .
↑ Togelius, Julian; Schaul, Tom; Schmidhuber, Jürgen; Gomez, Faustino (2008). "Countering Poisonous Inputs with Memetic Neuroevolution". Parallel Problem Solving from Nature – PPSN X. Lecture Notes in Computer Science. Vol. 5199. pp. 610–619 . doi : 10.1007/978-3-540-87700-4_61 . ISBN 978-3-540-87699-1。
↑ Hutson, Matthew (2018年1月11日). 「人工知能は問題を解決するために『進化』することができる」. Science . doi : 10.1126/science.aas9715 .
↑ Whitelam, Stephen; Selin, Viktor; Park, Sang-Won; Tamblyn, Isaac (2021年11月2日). "神経進化と勾配降下法の対応関係" . Nature Communications . 12 (1): 6317. arXiv : 2008.06643 . Bibcode : 2021NatCo..12.6317W . doi : 10.1038/s41467-021-26568-2 . PMC 8563972 . PMID 34728632 .
1 2 3 Kassahun, Yohannes; Sommer, Gerald; Edgington, Mark; Metzen, Jan Hendrik; Kirchner, Frank (2007)、「ネットワークの直接符号化と間接符号化の両方に対応する共通の遺伝的符号化」、Genetic and Evolutionary Computation Conference、ACM Press、pp. 1029–1036、CiteSeerX 10.1.1.159.705
1 2 Gauci, Stanley (2007)、「幾何学的規則性の発見による大規模ニューラルネットワークの生成」（PDF）、遺伝的アルゴリズムと進化的計算に関する会議、ニューヨーク州ニューヨーク：ACM
1 2 Gruau, Frédéric; I, L'universite Claude Bernard-lyon; Doctorat, Of A. Diplome De; Demongeot, M. Jacques; Cosnard, Examinators M. Michel; Mazoyer, M. Jacques; Peretto, M. Pierre; Whitley, M. Darell (1994). Neural Network Synthesis Using Cellular Encoding And The Genetic Algorithm . CiteSeerX 10.1.1.29.5939 .
↑ Clune, J.; Stanley, Kenneth O.; Pennock, RT; Ofria, C. (2011年6月). "On the Performance of Indirect Encoding Across the Continuum of Regularity". IEEE Transactions on Evolutionary Computation . 15 (3): 346– 367. Bibcode : 2011ITEC...15..346C . CiteSeerX 10.1.1.375.6731 . doi : 10.1109/TEVC.2010.2104157 . ISSN 1089-778X . S2CID 3008628 .
1 2 Risi, Sebastian; Stanley, Kenneth O. (2012 年 10 月). 「ニューロンの配置、密度、接続性を進化させるための拡張ハイパーキューブベースのエンコーディング」 . Artificial Life . 18 (4): 331–363 . doi : 10.1162/ARTL_a_00071 . PMID 22938563. S2CID 3256786 .
1 2 Stanley, Kenneth O.; Miikkulainen, Risto (2003 年 4 月). "人工胚発生の分類法". Artificial Life . 9 (2): 93– 130. doi : 10.1162/106454603322221487 . PMID 12906725 . S2CID 2124332 .
↑ Ronald, Edmund; Schoenauer, March (1994)、「Genetic Lander: An experiment in accurate neuro-genetic control」、PPSN III 1994 Parallel Programming Solving from Nature、pp. 452–461、CiteSeerX 10.1.1.56.3139
↑ Angeline, PJ; Saunders, GM; Pollack, JB (1994 年 1 月). 「再帰型ニューラルネットワークを構築する進化アルゴリズム」. IEEE Transactions on Neural Networks . 5 (1): 54–65 . Bibcode : 1994ITNN....5...54A . CiteSeerX 10.1.1.64.1853 . doi : 10.1109/72.265960 . PMID 18267779. S2CID 44767 .
↑ Yao, X.; Liu, Y. (1997 年 5 月). "人工ニューラルネットワークを進化させるための新しい進化システム". IEEE Transactions on Neural Networks . 8 (3): 694–713 . Bibcode : 1997ITNN....8..694Y . doi : 10.1109/72.572107 . PMID 18255671 .
↑ Stanley, Kenneth O.; Bryant, Bobby D.; Miikkulainen, Risto (2005 年 12 月). "NERO ビデオゲームにおけるリアルタイム神経進化" (PDF) .
↑ Stanley, Kenneth O.; Miikkulainen, Risto (2002 年 6 月). "トポロジーの拡張によるニューラルネットワークの進化". Evolutionary Computation . 10 (2): 99– 127. CiteSeerX 10.1.1.638.3910 . doi : 10.1162/106365602320169811 . PMID 12180173 . S2CID 498161 .
↑ Kassahun, Yohannes; Sommer, Gerald (2005年4月)、「ニューラルトポロジーの進化的獲得による効率的な強化学習」(PDF)、第13回欧州人工ニューラルネットワークシンポジウム、ベルギー、ブルージュ、pp . 259–266 {{citation}}: CS1メンテナンス: 場所の発行元が見つかりません (リンク)
↑ Siebel, Nils T.; Sommer, Gerald (2007年10月17日). "人工ニューラルネットワークの進化的強化学習". International Journal of Hybrid Intelligent Systems . 4 (3): 171– 183. doi : 10.3233/his-2007-4304 .
↑ Rempis, Christian Wilhelm (2012). Evolving Complex Neuro-Controllers with Interactively Constrained Neuro-Evolution (Thesis).
↑ Sher, Gene I. (2013). Handbook of Neuroevolution Through Erlang . doi : 10.1007/978-1-4614-4463-3 . ISBN 978-1-4614-4462-6. S2CID 21777855 .
↑ Vargas, Danilo Vasconcellos ; Murata, Junichi (2019). "Spectrum-Diverse Neuroevolution With Unified Neural Models". IEEE Transactions on Neural Networks and Learning Systems . 28 (8): 1759–1773 . arXiv : 1902.06703 . Bibcode : 2019arXiv190206703V . doi : 10.1109/TNNLS.2016.2551748 . PMID 28113564. S2CID 206757620 .
↑ Edlund, Jeffrey; Chaumont, Nicolas; Hintze, Arend; Koch, Christof; Tononi, Giulio; Adami, Christoph (2011). " Integrated Information Increases with Fitness in the Evolution of Animats" . PLOS Computational Biology . 7 (10) e1002236. arXiv : 1103.1791 . Bibcode : 2011PLSCB...7E2236E . doi : 10.1371/journal.pcbi.1002236 . PMC 3197648. PMID 22028639 .
↑ Rostami, Shahin; Neri, Ferrante (2017年6月)「多目的最適化問題のための高速ハイパーボリューム駆動選択メカニズム」Swarm and Evolutionary Computation . 34 : 50–67 . doi : 10.1016/j.swevo.2016.12.002 . hdl : 2086/13102 .
↑ Shenfield, Alex; Rostami, Shahin (2017). "クラス不均衡を伴う多クラス医療診断問題における人工ニューラルネットワークの多目的進化" (PDF) . 2017 IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB) . pp. 1– 8. doi : 10.1109/CIBCB.2017.8058553 . ISBN 978-1-4673-8988-4. S2CID 22674515 .
↑ Di Biasi, Luigi; De Marco, Fabiola; Auriemma Citarella, Alessia; Barra, Paola; Piotto Piotto, Stefano; Tortora, Genoveffa (2023). "Hybrid Approach for the Design of CNNS Using Genetic Algorithms for Melanoma Classification" . Rousseau, Jean-Jacques; Kapralos, Bill (eds.). Pattern Recognition, Computer Vision, and Image Processing. ICPR 2022 International Workshops and Challenges . Lecture Notes in Computer Science. Vol. 13643. Cham: Springer Nature Switzerland. pp. 514–528 . doi : 10.1007/978-3-031-37660-3_36 . ISBN 978-3-031-37660-3。
↑アスンサン、フィリペ。ロレンソ、ヌーノ。リベイロ、ベルナルデーテ。マチャド、ペノサル（2021年6月）。「Fast-DENSER: 高速深層進化ネットワーク構造化表現」。ソフトウェアX。14 100694。Bibcode : 2021SoftX..1400694A。土井：10.1016/j.softx.2021.100694。hdl : 10316/100856。
↑ヴィーニャス、アドリアーノ。コレイア、ジョアン。 Machado、Penousal (2024-06-20)、対照的な自己教師あり学習によるディープニューラルネットワークの進化に向けて、arXiv : 2406.14525
↑コルテス、ガブリエル。ロレンソ、ヌーノ。 Machado、Penousal (2024)、「Towards Physical Plausibility in Neuroevolution System」、Smith、Stephen;コレイア、ジョアン。 Cintrano、Christian (編)、Applications of Eevolutionary Computation、vol. 14635、Cham: Springer Nature Switzerland、pp. 76–90、arXiv : 2401.17733、doi : 10.1007/978-3-031-56855-8_5、ISBN 978-3-031-56854-12024年6月21日取得
↑ロレンソ、ヌーノ。アスンサン、フィリペ;ペレイラ、フランシスコ B.コスタ、エルネスト。 Machado、Penousal (2018)、「Structured Grammatical Evolution: A Dynamic Approach」、ライアン、コナー著。オニール、マイケル。 JJ Collins (編)、『Handbook of Grammatical Evolution』、Cham: Springer International Publishing、pp. 137–161、doi : 10.1007/978-3-319-78717-6_6、ISBN 978-3-319-78717-6

外部リンク

「進化入門：神経進化｜BEACON」 beacon-center.org 2018年1月14日取得。
「NNRG領域 - 神経進化」 . nn.cs.utexas.edu . テキサス大学. 2018年1月14日取得.（NEATとその応用に関するダウンロード可能な論文があります）
「SharpNEAT Neuroevolution Framework」 . sharpneat.sourceforge.net . 2018年1月14日取得。C#/.Netで実装された、成熟したオープンソースの神経進化プロジェクト。
ANNEvolveはオープンソースのAI研究プロジェクトです（C言語とPythonで書かれたダウンロード可能なソースコード、チュートリアル、その他さまざまな文章やイラストが含まれています）。
「Nils T Siebel – EANT2 – ニューラルネットワークの進化的強化学習」 . siebel-research.de . 2018年1月14日取得。EANT/EANT2を用いた進化的学習に関するウェブページ]（ロボット学習への応用を含むEANT/EANT2に関する情報と記事）
NERDツールキット。神経力学および進化ロボティクス開発ツールキット。神経制御および神経進化に関する様々な実験のための、無料のオープンソースソフトウェア集です。スクリプト可能なシミュレータ、複数の神経進化アルゴリズム（ICONEなど）、クラスタサポート、視覚的なネットワーク設計および分析ツールが含まれています。
「CorticalComputer (Gene)」 . GitHub . 2018-01-14取得.DXNNニューロエボリューションシステムのソースコード。
「ES-HyperNEAT ユーザーページ」。eplex.cs.ucf.edu 。 2018年1月14日取得。

[1] Stanley, Kenneth O. (2017-07-13). "Neuroevolution: A different kind of deep learning" . O'Reilly Media . 2017-09-04に閲覧。

[2] Risi, Sebastian; Togelius, Julian (2017). "Neuroevolution in Games: State of the Art and Open Challenges". IEEE Transactions on Computational Intelligence and AI in Games . 9 : 25–41 . arXiv : 1410.7326 . doi : 10.1109/TCIAIG.2015.2494596 . S2CID 11245845 .

[3] Togelius, Julian; Schaul, Tom; Schmidhuber, Jürgen; Gomez, Faustino (2008). "Countering Poisonous Inputs with Memetic Neuroevolution". Parallel Problem Solving from Nature – PPSN X. Lecture Notes in Computer Science. Vol. 5199. pp. 610–619 . doi : 10.1007/978-3-540-87700-4_61 . ISBN 978-3-540-87699-1。

[4] Hutson, Matthew (2018年1月11日). 「人工知能は問題を解決するために『進化』することができる」. Science . doi : 10.1126/science.aas9715 .

[5] Whitelam, Stephen; Selin, Viktor; Park, Sang-Won; Tamblyn, Isaac (2021年11月2日). "神経進化と勾配降下法の対応関係" . Nature Communications . 12 (1): 6317. arXiv : 2008.06643 . Bibcode : 2021NatCo..12.6317W . doi : 10.1038/s41467-021-26568-2 . PMC 8563972 . PMID 34728632 .

[cgegecco-6] 1 2 3 Kassahun, Yohannes; Sommer, Gerald; Edgington, Mark; Metzen, Jan Hendrik; Kirchner, Frank (2007)、「ネットワークの直接符号化と間接符号化の両方に対応する共通の遺伝的符号化」、Genetic and Evolutionary Computation Conference、ACM Press、pp. 1029–1036、CiteSeerX 10.1.1.159.705

[hyperneat-7] 1 2 Gauci, Stanley (2007)、「幾何学的規則性の発見による大規模ニューラルネットワークの生成」（PDF）、遺伝的アルゴリズムと進化的計算に関する会議、ニューヨーク州ニューヨーク：ACM

[gruau94-8] 1 2 Gruau, Frédéric; I, L'universite Claude Bernard-lyon; Doctorat, Of A. Diplome De; Demongeot, M. Jacques; Cosnard, Examinators M. Michel; Mazoyer, M. Jacques; Peretto, M. Pierre; Whitley, M. Darell (1994). Neural Network Synthesis Using Cellular Encoding And The Genetic Algorithm . CiteSeerX 10.1.1.29.5939 .

[9] Clune, J.; Stanley, Kenneth O.; Pennock, RT; Ofria, C. (2011年6月). "On the Performance of Indirect Encoding Across the Continuum of Regularity". IEEE Transactions on Evolutionary Computation . 15 (3): 346– 367. Bibcode : 2011ITEC...15..346C . CiteSeerX 10.1.1.375.6731 . doi : 10.1109/TEVC.2010.2104157 . ISSN 1089-778X . S2CID 3008628 .

[eshyperalife-10] 1 2 Risi, Sebastian; Stanley, Kenneth O. (2012 年 10 月). 「ニューロンの配置、密度、接続性を進化させるための拡張ハイパーキューブベースのエンコーディング」 . Artificial Life . 18 (4): 331–363 . doi : 10.1162/ARTL_a_00071 . PMID 22938563. S2CID 3256786 .

[taxae-11] 1 2 Stanley, Kenneth O.; Miikkulainen, Risto (2003 年 4 月). "人工胚発生の分類法". Artificial Life . 9 (2): 93– 130. doi : 10.1162/106454603322221487 . PMID 12906725 . S2CID 2124332 .

[12] Ronald, Edmund; Schoenauer, March (1994)、「Genetic Lander: An experiment in accurate neuro-genetic control」、PPSN III 1994 Parallel Programming Solving from Nature、pp. 452–461、CiteSeerX 10.1.1.56.3139

[13] Angeline, PJ; Saunders, GM; Pollack, JB (1994 年 1 月). 「再帰型ニューラルネットワークを構築する進化アルゴリズム」. IEEE Transactions on Neural Networks . 5 (1): 54–65 . Bibcode : 1994ITNN....5...54A . CiteSeerX 10.1.1.64.1853 . doi : 10.1109/72.265960 . PMID 18267779. S2CID 44767 .

[14] Yao, X.; Liu, Y. (1997 年 5 月). "人工ニューラルネットワークを進化させるための新しい進化システム". IEEE Transactions on Neural Networks . 8 (3): 694–713 . Bibcode : 1997ITNN....8..694Y . doi : 10.1109/72.572107 . PMID 18255671 .

[autogenerated1-15] Stanley, Kenneth O.; Bryant, Bobby D.; Miikkulainen, Risto (2005 年 12 月). "NERO ビデオゲームにおけるリアルタイム神経進化" (PDF) .

[16] Stanley, Kenneth O.; Miikkulainen, Risto (2002 年 6 月). "トポロジーの拡張によるニューラルネットワークの進化". Evolutionary Computation . 10 (2): 99– 127. CiteSeerX 10.1.1.638.3910 . doi : 10.1162/106365602320169811 . PMID 12180173 . S2CID 498161 .

[17] Kassahun, Yohannes; Sommer, Gerald (2005年4月)、「ニューラルトポロジーの進化的獲得による効率的な強化学習」(PDF)、第13回欧州人工ニューラルネットワークシンポジウム、ベルギー、ブルージュ、pp . 259–266 {{citation}}: CS1メンテナンス: 場所の発行元が見つかりません (リンク)

[18] Siebel, Nils T.; Sommer, Gerald (2007年10月17日). "人工ニューラルネットワークの進化的強化学習". International Journal of Hybrid Intelligent Systems . 4 (3): 171– 183. doi : 10.3233/his-2007-4304 .

[19] Rempis, Christian Wilhelm (2012). Evolving Complex Neuro-Controllers with Interactively Constrained Neuro-Evolution (Thesis).

[20] Sher, Gene I. (2013). Handbook of Neuroevolution Through Erlang . doi : 10.1007/978-1-4614-4463-3 . ISBN 978-1-4614-4462-6. S2CID 21777855 .

[21] Vargas, Danilo Vasconcellos ; Murata, Junichi (2019). "Spectrum-Diverse Neuroevolution With Unified Neural Models". IEEE Transactions on Neural Networks and Learning Systems . 28 (8): 1759–1773 . arXiv : 1902.06703 . Bibcode : 2019arXiv190206703V . doi : 10.1109/TNNLS.2016.2551748 . PMID 28113564. S2CID 206757620 .

[22] Edlund, Jeffrey; Chaumont, Nicolas; Hintze, Arend; Koch, Christof; Tononi, Giulio; Adami, Christoph (2011). " Integrated Information Increases with Fitness in the Evolution of Animats" . PLOS Computational Biology . 7 (10) e1002236. arXiv : 1103.1791 . Bibcode : 2011PLSCB...7E2236E . doi : 10.1371/journal.pcbi.1002236 . PMC 3197648. PMID 22028639 .

[23] Rostami, Shahin; Neri, Ferrante (2017年6月)「多目的最適化問題のための高速ハイパーボリューム駆動選択メカニズム」Swarm and Evolutionary Computation . 34 : 50–67 . doi : 10.1016/j.swevo.2016.12.002 . hdl : 2086/13102 .

[24] Shenfield, Alex; Rostami, Shahin (2017). "クラス不均衡を伴う多クラス医療診断問題における人工ニューラルネットワークの多目的進化" (PDF) . 2017 IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB) . pp. 1– 8. doi : 10.1109/CIBCB.2017.8058553 . ISBN 978-1-4673-8988-4. S2CID 22674515 .

[25] Di Biasi, Luigi; De Marco, Fabiola; Auriemma Citarella, Alessia; Barra, Paola; Piotto Piotto, Stefano; Tortora, Genoveffa (2023). "Hybrid Approach for the Design of CNNS Using Genetic Algorithms for Melanoma Classification" . Rousseau, Jean-Jacques; Kapralos, Bill (eds.). Pattern Recognition, Computer Vision, and Image Processing. ICPR 2022 International Workshops and Challenges . Lecture Notes in Computer Science. Vol. 13643. Cham: Springer Nature Switzerland. pp. 514–528 . doi : 10.1007/978-3-031-37660-3_36 . ISBN 978-3-031-37660-3。

[26] アスンサン、フィリペ。ロレンソ、ヌーノ。リベイロ、ベルナルデーテ。マチャド、ペノサル（2021年6月）。「Fast-DENSER: 高速深層進化ネットワーク構造化表現」。ソフトウェアX。14 100694。Bibcode : 2021SoftX..1400694A。土井：10.1016/j.softx.2021.100694。hdl : 10316/100856。

[27] ヴィーニャス、アドリアーノ。コレイア、ジョアン。 Machado、Penousal (2024-06-20)、対照的な自己教師あり学習によるディープニューラルネットワークの進化に向けて、arXiv : 2406.14525

[28] コルテス、ガブリエル。ロレンソ、ヌーノ。 Machado、Penousal (2024)、「Towards Physical Plausibility in Neuroevolution System」、Smith、Stephen;コレイア、ジョアン。 Cintrano、Christian (編)、Applications of Eevolutionary Computation、vol. 14635、Cham: Springer Nature Switzerland、pp. 76–90、arXiv : 2401.17733、doi : 10.1007/978-3-031-56855-8_5、ISBN 978-3-031-56854-12024年6月21日取得

[29] ロレンソ、ヌーノ。アスンサン、フィリペ;ペレイラ、フランシスコ B.コスタ、エルネスト。 Machado、Penousal (2018)、「Structured Grammatical Evolution: A Dynamic Approach」、ライアン、コナー著。オニール、マイケル。 JJ Collins (編)、『Handbook of Grammatical Evolution』、Cham: Springer International Publishing、pp. 137–161、doi : 10.1007/978-3-319-78717-6_6、ISBN 978-3-319-78717-6

[

[

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

神経進化

特徴

勾配降下法との比較

直接符号化と間接符号化

間接符号化のための胚発生システムの分類

例

関連項目

参考文献

外部リンク

関連するトピック

進化アルゴリズム

人工ニューラルネットワーク

人工知能

人工生命