我一直在阅读有关前馈人工神经网络(ANN)的信息，通常他们需要接受培训以修改其权重以实现所需的输出。一旦调谐后接收到相同的输入，它们也将始终产生相同的输出(不一定是生物网络)。
然后，我开始阅读有关不断发展的神经网络的文章。但是，进化过程通常涉及将两个亲本基因组重组为一个新的基因组，没有“学习”，而是通过适应性测试进行了真正的重组和验证。
我当时在想，人脑管理着它自己的联系。它创造了联系，加强了某些联系，并削弱了其他联系。
是否存在允许这样做的神经网络拓扑？一旦 react 不良，神经网络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，但是即使我没有发现，也会产生随机突变的机会一个新的连接可以缓解这种情况)。良好的 react 将加强这些联系。
我相信这种拓扑被称为Turing B型神经网络，但是我还没有看到任何编码示例或论文。
最佳答案
本文An Adaptive Spiking Neural Network with Hebbian Learning专门解决了新神经元和突触的创建。从介绍:
如果您在Google上用“神经生成人工神经网络”或类似的关键字进行搜索，则会发现更多文章。在cogsci.stackexchange.com上也有类似的question。
关于neural-network - 创建自己的连接的人工神经网络，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/14161055/