Автоматизация поиска оптимального алгоритма поведения агента с использованием нейронных сетей
Abstract
Описан метод обучения нейронных сетей на основе генетического алгоритма.
Рассмотрена структура нейронной сети. Приведен краткий обзор параметров,
отличающих нейронные сети (тип нейрона, пороговая функция нейрона, его топология).
Рассмотрено, в какой области применения нейронных сетей целесообразно применять
обучение без учителя и, в частности, генетического алгоритма. Описаны особенности
программной реализации нейронных сетей для их совместимости с генетическим
алгоритмом. Приведены архитектура разработанного ПО и результаты тестирования.
Рассмотрены результаты обучения с помощью эволюционного алгоритма нейронных
сетей с различными топологиями. Описано метод навчання нейронних мереж на основі генетичного
алгоритму. Розглянуто структуру нейронної мережі. Наведено короткий огляд
параметрів, що відрізняють нейронні мережі (тип нейрона, порогова функція
нейрона, його топологія). Розглянуто, в якій області застосування нейронних
мереж доцільно застосовувати навчання без вчителя і, зокрема, генетичного
алгоритму. Описано особливості програмної реалізації нейронних мереж для їх
сумісності з генетичним алгоритмом. Наведено архітектуру розробленого ПО і
результати тестування. Розглянуто результати навчання за допомогою
еволюційного алгоритму нейронних мереж із різними топологіями. Described the method of training neural networks based on a genetic algorithm.
The structure of a neural network is considered. A brief review of the parameters
distinguishing neural networks (neuron type, threshold function of the neuron, its
topology) is given. It considered is in which field of application of neural networks it is
expedient to apply training without a teacher and, in particular, a genetic algorithm.
Described features of the software implementation of neural networks for their
compatibility with the genetic algorithm. Presented the architecture of the developed
software and the test results. Considered the results of training using the evolutionary
algorithm of neural networks with various typologies.