Evolution of Neural Structure and Complexity in a Computational Ecology
Evolution of Neural Structure and Complexity in a Computational Ecology
复制标题
计算生态学中神经结构和复杂性的演变
DOI：
--
复制
发表时间：
2006
期刊：
影响因子：
--
通讯作者：
O. Sporns
中科院分区：
文献类型：
--
作者：
L. Yaeger;O. Sporns
我们分析了人工神经动力学和网络结构的进化趋势，指定的单倍体基因组在Polyworld计算生态学。我们发现一致的趋势，神经连接密度，突触权重和学习率，熵，互信息，和信息理论的复杂性措施。特别是，我们观察到一个一致的趋势，更大的结构阐述和适应性，伴随着神经的复杂性和统计上显着的增长。
We analyze evolutionary trends in artificial neural dynamics and network architectures specified by haploid genomes in the Polyworld computational ecology. We discover consistent trends in neural connection densities, synaptic weights and learning rates, entropy, mutual information, and an information-theoretic measure of complexity. In particular, we observe a consistent trend towards greater structural elaboration and adaptability, with a concomitant and statistically significant growth in neural complexity.
影响因子：
3
作者：
Lungarella, M;Pegors, T;Sporns, O
通讯作者：
Sporns, O
通过最大化信息结构来发展协调行为
DOI：
--
发表时间：
2006
期刊：
Proc.of the 10^<th> Int.Conf.on Artificial Life 10
影响因子：
--
作者：
Spoms;O.;Lungarella;M.
通讯作者：
M.