Las redes productoras de patrones compositivos ( CPPN ) son una variación de las redes neuronales artificiales (ANN) que tienen una arquitectura cuya evolución está guiada por algoritmos genéticos. [1]
Mientras que las ANN a menudo contienen solo funciones sigmoideas y, a veces , funciones gaussianas , las CPPN pueden incluir ambos tipos de funciones y muchas otras. La elección de funciones para el conjunto canónico puede estar sesgada hacia tipos específicos de patrones y regularidades. Por ejemplo, las funciones periódicas como el seno producen patrones segmentados con repeticiones, mientras que las funciones simétricas como la gaussiana producen patrones simétricos. Las funciones lineales se pueden emplear para producir patrones lineales o de tipo fractal . Por lo tanto, el arquitecto de un sistema de arte genético basado en CPPN puede sesgar los tipos de patrones que genera al decidir el conjunto de funciones canónicas que incluirá.
Además, a diferencia de las ANN típicas, las CPPN se aplican en todo el espacio de posibles entradas para que puedan representar una imagen completa. Dado que son composiciones de funciones, las CPPN codifican imágenes con una resolución infinita y se pueden muestrear para una pantalla particular con la resolución que sea óptima.
Las CPPN pueden evolucionar a través de técnicas de neuroevolución, como la neuroevolución de topologías aumentadas (denominada CPPN-NEAT).
Se ha demostrado que las CPPN son una codificación muy potente a la hora de desarrollar lo siguiente: