Ho letto sul feed forward reti neurali artificiali (ANN), e normalmente hanno bisogno di formazione per modificare i loro pesi al fine di ottenere l'output desiderato. Produrranno sempre la stessa uscita quando ricevono lo stesso input una volta sintonizzati (le reti biologiche non necessariamente).Rete neurale artificiale che crea le proprie connessioni
Poi ho iniziato a leggere su reti neurali in evoluzione. Tuttavia, l'evoluzione di solito comporta la ricombinazione dei genomi di due genitori in un nuovo genoma, non c'è "apprendimento" ma ricombinazione e verifica attraverso un test di fitness.
Stavo pensando, il cervello umano gestisce le proprie connessioni. Crea connessioni, ne rafforza e indebolisce gli altri.
Esiste una topologia di rete neurale che consenta questo? Laddove la rete neurale, una volta che ha una reazione negativa, regola i pesi di conseguenza, e probabilmente crea nuove connessioni casuali (non sono sicuro di come il cervello crea nuove connessioni, ma anche se non lo facessi, una casuale possibilità di mutazione di creare una nuova connessione potrebbe alleviare questo). Una buona reazione rafforzerebbe quelle connessioni.
Credo che questo tipo di topologia sia noto come una rete neurale di tipo B di Turing, ma non ho mai visto esempi o documenti codificati.
Anche se NEAT fa gestire le proprie connessioni, lo fa attraverso un algoritmo evolutivo, che questa domanda era specificamente non chiedere informazioni. – seaotternerd