Hello all,<br><br>DXNN [1,4]  is Topology and Parameter Evolving Universal Learning Network (TPEULN) system, similar to topology and weight evolving artificial neural network, but more general, and not constrained to the use of only sigmoid based activation function neurons. Erlang was chosen because of its perfect and complete mapping to the neural network architecture.<br>


<br>

DXNN is a TPEULN platform that uses direct and indirect encoding (neural and substrate respectively [5]), has a cross-validation system for experimentation, decoupled sensor/actuator systems, decoupled learning/selection/... algorithms (in MK2), a built in 2d world simulator called flatland for ALife experiments (all in gs()).<br>








<br>The second generation (mk2) DXNN is available as a branch of the original project, and is a clean implementation of this computational intelligence evolving system. It is also the system explained and created in my Springer book: Handbook of Neuroevolution Through Erlang [2,3], with a foreword written by Joe Armstrong. The book will go into print this September.<br>







<br>There are not a lot of comments within the source code on github, but I will continue to add more comments as time permits.<br>





<br>Upcoming features:<br>1. Visualisation system.<br>2. New selection algorithm modules.<br>3. New speciation and diversification functions.<br>4. An improved cross-validation system for the experiment database.<br>5. Full population backup, so that all agents are saved, and only manually deleted at the researcher's request (they don't take much space, and it would make for an interesting visualisation, and ability to traverse from the seed agent to the current agent).<br>
<br>-Gene<br>[1] <a href="https://github.com/CorticalComputer/DXNN" target="_blank">https://github.com/CorticalComputer/DXNN</a> First generation DXNN has a convoluted implementation. DXNN mk2 is a very clean implementation and is currently on the non master branch, it will eventually overwrite the master branch but both have the same features (almost) at this time.<br>






[2] <a href="http://www.springer.com/computer/swe/book/978-1-4614-4462-6" target="_blank">http://www.springer.com/computer/swe/book/978-1-4614-4462-6</a><br>[3] <a href="http://www.amazon.com/Handbook-Neuroevolution-through-Erlang-Gene/dp/1461444624/ref=sr_1_1?ie=UTF8&qid=1338163875&sr=8-1" target="_blank">http://www.amazon.com/Handbook-Neuroevolution-through-Erlang-Gene/dp/1461444624/ref=sr_1_1?ie=UTF8&qid=1338163875&sr=8-1</a><a href="https://github.com/CorticalComputer/DXNN" target="_blank"></a><br>






[4] <a href="http://www.erlang-factory.com/conference/SFBay2012/speakers/GeneSher" target="_blank">http://www.erlang-factory.com/conference/SFBay2012/speakers/GeneSher</a><br>[5] <a href="http://arxiv.org/abs/1111.5892" target="_blank">http://arxiv.org/abs/1111.5892</a><br>