Neural network 创建它的人工神经网络'；他自己的关系

我一直在读关于前馈人工神经网络（ANN）的书，通常它们需要训练来修改它们的权重，以获得期望的输出。一旦调谐，当接收到相同的输入时，它们也总是产生相同的输出（生物网络不一定）

然后我开始阅读进化神经网络。然而，进化通常涉及将双亲基因组重组成一个新的基因组，没有“学习”，而是通过适应性测试进行真正的重组和验证

我在想，人脑管理着自己的联系。它创造了联系，加强了一些，削弱了另一些

是否有一个神经网络拓扑结构可以实现这一点？神经网络一旦出现不良反应，就会相应地调整其权重，并可能创建随机的新连接（我不确定大脑是如何创建新连接的，但即使我没有，创建新连接的随机突变机会也可以缓解这种情况）。良好的反应将加强这些联系

我相信这种拓扑结构被称为图灵B型神经网络，但我还没有看到任何关于它的编码示例或论文。

这篇论文专门讨论了新神经元和突触的创建。导言：

传统的基于速率的神经网络和较新的尖峰神经网络已被证明对某些任务非常有效，但它们存在长期学习和“灾难性遗忘”问题。一旦训练网络执行某些任务，就很难使其适应新的应用为了正确地做到这一点，我们可以模拟人脑中发生的过程：神经发生和突触发生，或者神经元和突触的生灭。然而，要有效，这必须在保持当前记忆的同时完成

---

如果你在谷歌上搜索“神经发生-人工神经网络”或类似的关键词，你会发现更多的文章。cogsci.stackexchange.com上也有类似的例子。

NIAT网络以及级联添加它们自己的连接/神经元，通过构建结构来创建对刺激的特定反应来解决问题

尽管NIAT确实管理自己的连接，但它是通过进化算法实现的，这个问题不是特别问的。嘿，谢谢，我忘了我问过这个。看到这样的宝石真是太有趣了。