Le NEAT basé sur l'hypercube, ou HyperNEAT est un codage génératif pour évoluer des réseaux de neurones artificiels (ANN) avec les principes de l'algorithme NeuroEvolution of Augmented Topologies (NEAT) développé par Kenneth Stanley. Il s'agit d'une nouvelle technique pour faire évoluer des réseaux de neurones à grande échelle en utilisant les régularités géométriques du domaine de la tâche.
L'encodage génétique est indirect. L'algorithme utilise des réseaux de production de motifs de composition ( CPPN ), qui sont utilisés pour générer les images pour Picbreeder.org et les formes pour EndlessForms.com. HyperNEAT a récemment été étendu pour faire évoluer également des réseaux de neurones artificiel plastique et pour faire évoluer l'emplacement de chaque neurone du réseau.
Quelques exemples d'utilisation
- Apprentissage multi-agents
- Évaluation du jeu de dames
- Contrôler les robots à pattesvidéo
- Comparer Génératif vs. Encodages directs
- Enquêter sur l'évolution des réseaux de neurones modulaires
- Objets évolutifs pouvant être imprimés en 3D
- Évolution de la géométrie neurale et de la plasticité d'un ANN
