PyTorch-NEAT
NEAT（增强拓扑的神经进化）方法的PyTorch实现，最初是由Kenneth O. Stanley创建的，是进化神经网络的一种有原则的方法。 。
实验
PyTorch-NEAT当前包含三个内置实验：XOR，单极平衡和汽车爬山。
异或实验
使用以下命令运行： python xor_run.py将运行多达150代，初始种群为150个基因组。 当/如果找到解决方案，将显示解决方案网络以及有关试验的统计信息。 随意运行多个试用版-只需增加xor_run.py文件中外部for循环的范围即可。
单极平衡
使用以下命令运行： python pole_run.py将运行多达150代，初始种群为150个基因组。 在OpenAI体育馆环境中跑步。 当/如果找到解决方案，则将在OpenAI体育馆中显示解决方案网络以及评估结果。
汽车登山实验
使用以下命令运行： python m
2021-10-11 22:39:46
41KB
1
#4.3_NEAT_强化学习_Reinforcement_Learning_(机器学习_进化算法_Evolutionary_Al
2021-09-01 21:00:18
33.45MB
#4.2_NEAT_监督学习_Supervised_learning_(机器学习_进化算法_Evolutionary_Algor
2021-09-01 21:00:16
31.41MB
网络视觉
NeAt（Neural Attention）Vision是一种可视化工具，用于自然语言处理（NLP）任务的深度学习模型的注意力机制。
产品特点
可视化注意力得分，有很多选择。
将可视化文件导出为SVG格式。 如果要在学术论文中使用可视化效果，这将非常方便。 但是，您可能必须将SVG转换为PDF。
可视化模型预测。 显示类的后验分布，回归任务中的错误等。 对于调试模型和检查其行为很有用。
支持分类，多标签分类和回归。
进行了整齐的可视化，以可视化自然语言处理（任务）任务的注意机制的权重。 目前，整洁的视觉只支持可视化的自我注意机制，在句子级别上执行以下任务：
回归：预测单个连
2021-05-04 19:04:07
13.58MB
1
The Matlab NEAT package contains Matlab source code for the NeuroEvolution of Augmenting Topologies method (see the original NEAT C++ package). It includes an implementation of the XOR experiment.
For answers to common questions, refer to our FAQ .
Matlab NEAT was written by Christian Mayr based on the original C++ package by Kenneth Stanley. Please direct bug reports to matlab_neat@web.de. Please contact kstanley@cs.utexas.edu for other comments, including ideas or plans for expanding the open source software.
Versions:
v1.0 8/31/03 mayr
2021-04-09 17:44:25
18KB
1
PyTorch 实现的NEAT (NeuroEvolution of Augmenting Topologies)神经进化算法
2021-04-07 16:54:05
42KB
1
AE插件：视频降噪插件 ABSoft Neat Video Pro v4.1.1.rar
2021-01-28 16:14:43
8.1MB
1