dan*_*lim 5 artificial-intelligence machine-learning reinforcement-learning evolutionary-algorithm difference
据我所知,NEAT(增强拓扑的NeuroEvolution)是一种使用进化概念训练神经网络的算法.另一方面,强化学习是一种机器学习,其概念是"奖励"更成功的节点.
这两个字段有什么区别,因为它们看起来非常相似？或者NEAT来自强化学习？
简而言之,他们几乎没有任何共同之处.
NEAT是一种进化方法.这是一种优化功能的黑盒方法.在这种情况下 - 神经网络的性能(可以很容易地测量).它的架构(你在进化过程中改变).
强化学习是关于代理人,学习在环境中表现良好的政策.因此他们解决了不同的,更复杂的问题.从理论上讲,你可以使用RL学习NEAT,因为你可能会提出"将神经网络作为状态,学习如何随着时间的推移修改它以获得更好的性能"的问题.关键的区别是 - NEAT输出是网络,RL输出是策略,策略,算法.可以多次使用的东西在某些环境中工作,采取行动并获得奖励.