Soweit ich weiß, NEAT (Neuroevolution of Augmentting Topologies) ist ein Algorithmus, der das Konzept der Evolution verwendet, um ein neuronales Netzwerk zu trainieren. Auf der anderen Seite ist verstärkendes Lernen eine Art maschinelles Lernen mit dem Konzept, erfolgreichere Knoten zu "belohnen".NEAT versus Reinforcement Learning
Was ist der Unterschied zwischen diesen beiden Feldern, da sie sich sehr ähnlich zu sein scheinen? Oder ist NEAT vom Verstärkungslernen abgeleitet?
Beide Ansätze sind sehr unterschiedlich und werden, wie Sie sagen, normalerweise in verschiedenen Kontexten verwendet. Verstärkendes Lernen löst jedoch nicht unbedingt mehr "komplexe" Probleme (siehe zum Beispiel: https://arxiv.org/pdf/1703.03864.pdf) – Pablo