我不了解NEAT算法如何根据连接基因输入并输出数字，我熟悉在固定拓扑神经网络中使用矩阵来前馈输入，但是由于NEAT中的每个节点都有自己的连接数，因此我不明白，不一定连接到其他所有节点，经过大量搜索，我找不到NEAT如何根据输入产生输出的答案。
有人可以解释它是如何工作的吗？
最佳答案
这也是我在实现自己的算法版本时遇到的问题。
您可以在NEAT用户页面：https://www.cs.ucf.edu/~kstanley/neat.html中找到答案，作者说：
如何激活具有任意拓扑的网络？
激活函数bool Network :: activate（）提供了详细信息。的
当然，实现方式与简单的分层方式有很大不同
前馈网络。每个节点将所有传入节点的激活加起来
从上一个时间步开始（该功能还可以处理特殊的“时间延迟”
连接，但当前版本的NEAT在任何
我们已经发布的实验。）了解它的另一种方法是实现
激活不会从输入层一直到输出
一个单一的时间步。在单个时间步中，激活仅从
一个神经元到下一个。因此，激活需要花费几个时间步骤
输入到输出。如果您考虑一下，这就是它在
真正的大脑，信号击中您的眼睛需要时间才能到达
皮层，因为它经过多个神经连接。
因此，如果演进的网络之一不是前馈，则网络的输出将在不同的时间步中变化，这对于连续控制问题特别有用，在该问题中环境不是静态的，但在分类问题中也是有问题的。作者还回答：
在获取网络输出之前，如何确保网络稳定
分类问题？
廉价且肮脏的方法是连续激活n次，其中
n> 1，希望隐藏节点没有太多的循环或漫长的路径。
正确的方法（而且非常不错）是检查每个隐藏的节点并输出
从一个时间步长到下一个时间步长，查看是否没有任何变化，或者至少
在某些三角洲内没有变化。一旦满足此标准，则输出必须为
稳定。
请注意，在某些情况下输出可能并不总是稳定的。另外，连续
控制问题，因为网络永远不会“稳定”，所以不要检查稳定性
而是不断地对不断变化的环境做出反应。通常，
稳定用于分类问题或棋盘游戏。