CMA-TWEANNを用いたニューラルネットの構造進化および結合強度最適化に基づく政策探索

抄録

CMA-TWEANNは、ニューラルネットの構造と結合強度を効率的に探索する手法として知られる。本研究ではCMA-TWEANNの欠点である構造拡張の単調性を解決すべく、種分化モデルを導入する手法を提案する。強化学習タスクを用いた実験によって、提案手法で得られるネットワークが既存手法を用いる場合に比べ小型でありながら、性能が高く、また汎化性能も高いことを示す。