实体
compositional pattern-producing network
compositional pattern-producing network
PulseAugur coverage of compositional pattern-producing network — every cluster mentioning compositional pattern-producing network across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的EMR-HyperNEAT方法通过张量化加速神经演化
研究人员开发了EMR-HyperNEAT，这是一种新颖的神经演化方法，可显著加速演化大规模神经网络基底的过程。该新方法通过预先评估所有分辨率下的所有位置，克服了先前基于四叉树技术的局限性，实现了并行处理并获得了显著的加速。实验表明，在XOR任务上GPU性能提高了12-34倍，并在各种基准测试中提高了求解率。
-
新的JAX实现解决了ES-HyperNEAT的扩展性瓶颈
研究人员开发了JAX-ESHN，一个基于JAX的新实现，旨在GPU上并行化ES-HyperNEAT。该实现解决了先前限制坐标基神经演化扩展性的四叉树瓶颈。基准测试表明，JAX-ESHN在XOR和CartPole等任务上，尤其是在深度基底上，通过提供更低的运行时方差和更可靠的成功率，显著优于基于CPU的方法。该研究还确定了可扩展神经演化的结构约束，并提出EMR-HyperNEAT作为克服这些限制的重新表述。
-
AI代理在没有适应度函数的情况下进化出复杂结构
研究人员开发了一个名为Genesis的新平台，该平台允许在不依赖设计者指定的适应度函数的情况下进化自组织代理。通过三个实验周期，他们证明了仅凭物理约束就可以维持进化活动，尽管它会达到复杂性的上限。代理介导的生态位构建不足以克服这一限制。然而，通过用组合模式生成网络（CPPN）间接编码替换传统基因组，并采用NEAT风格的物种形成，该系统在无适应度环境中显示出渐进式结构复杂化的早期迹象。