pureples

TensorFlow 框架下对神经进化 (NEAT) 和自适应超神经进化 (HyperNEAT) 的 Eager 执行模式实现

这是一个公开的Python实现的DeepHyperNEAT系统，用于进化神经网络。由Felix Sosa和Kenneth Stanley开发。论文链接：https://eplex.cs.ucf.edu/papers/sosa_ugrad_report18.pdf

在Unity 2020中实现SharpNEAT。对UnityNEAT项目进行了全面重构。

使用Go语言实现可进化基底超神经进化算法（ES-HyperNEAT）。ES-HyperNEAT是原始超神经进化算法的扩展，用于进化大型人工神经网络。

隐藏节点对双向网络重建的影响

基于C++计算的ES-HyperNEAT Python实现，用于神经进化、强化学习和功能性磁共振成像(VfMRI)

这个代码库包含论文《利用元学习挖掘神经网络间接编码的未开发潜力》的代码。

用于河流穿越任务的超神经进化实验

FaydSpeare/NEAT（增强拓扑的神经进化）的改进版本，具有持久创新编号。包含 HyperNEAT 包。