Поиск :
Личный кабинет :
Электронный каталог: Бурый, Я.А. - Нейроэволюционное подкрепляющее обучение нейронных сетей
Бурый, Я.А. - Нейроэволюционное подкрепляющее обучение нейронных сетей
Статья
Автор: Бурый, Я.А.
Системный анализ и прикладная информатика: Нейроэволюционное подкрепляющее обучение нейронных сетей
Neuroevolutionary reinforcing learning of neural networks
б.г.
ISBN отсутствует
Автор: Бурый, Я.А.
Системный анализ и прикладная информатика: Нейроэволюционное подкрепляющее обучение нейронных сетей
Neuroevolutionary reinforcing learning of neural networks
б.г.
ISBN отсутствует
На полку
Статья
Бурый, Я.А.
Нейроэволюционное подкрепляющее обучение нейронных сетей = Neuroevolutionary reinforcing learning of neural networks / Я. А. Бурый, Д. И. Самаль // Системный анализ и прикладная информатика / гл. ред. Сергей Васильевич Харитончик; учредитель Белорусский национальный технический университет (Минск). – 2021. – №4. – С. 16-24. – Режим доступа : https://rep.bntu.by/handle/data/108858. – На рус. яз.
В статье представлены результаты объединения 4‑х различных типов обучения нейронных сетей: эволюционного, с подкреплением, глубокого и экстраполирующего. Последние два используются в качестве первичного метода уменьшения размерности входного сигнала системы и упрощения процесса её обучения с точки зрения вычислительной сложности. В представленной работе нейросетевая структура управляющего устройства моделируемой системы формируется в ходе эволюционного процесса, с учётом известных на текущий момент особенностей строения и развития самообучающихся систем, имеющих место в живой природе. Данный способ его конструирования даёт возможность обойти специфические ограничения моделей, созданных на основе рекомбинации уже известных топологий нейронных сетей.
The article presents the results of combining 4 different types of neural network learning: evolutionary, reinforcing, deep and extrapolating. The last two are used as the primary method for reducing the dimension of the input signal of the system and simplifying the process of its training in terms of computational complexity. In the presented work, the neural network structure of the control device of the modeled system is formed in the course of the evolutionary process, taking into account the currently known structural and developmental features of self-learning systems that take place in living nature. This method of constructing it makes it possible to bypass the specific limitations of models created on the basis of recombination of already known topologies of neural networks.
004.032.26
общий = БД Техника
общий = НЕЙРОННЫЕ СЕТИ
общий = СВЕРТОЧНЫЕ КОДЫ
общий = ЭВОЛЮЦИОННЫЕ ПРОЦЕССЫ
общий = ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ
общий = РАСПОЗНАВАНИЕ ОБРАЗОВ
Бурый, Я.А.
Нейроэволюционное подкрепляющее обучение нейронных сетей = Neuroevolutionary reinforcing learning of neural networks / Я. А. Бурый, Д. И. Самаль // Системный анализ и прикладная информатика / гл. ред. Сергей Васильевич Харитончик; учредитель Белорусский национальный технический университет (Минск). – 2021. – №4. – С. 16-24. – Режим доступа : https://rep.bntu.by/handle/data/108858. – На рус. яз.
В статье представлены результаты объединения 4‑х различных типов обучения нейронных сетей: эволюционного, с подкреплением, глубокого и экстраполирующего. Последние два используются в качестве первичного метода уменьшения размерности входного сигнала системы и упрощения процесса её обучения с точки зрения вычислительной сложности. В представленной работе нейросетевая структура управляющего устройства моделируемой системы формируется в ходе эволюционного процесса, с учётом известных на текущий момент особенностей строения и развития самообучающихся систем, имеющих место в живой природе. Данный способ его конструирования даёт возможность обойти специфические ограничения моделей, созданных на основе рекомбинации уже известных топологий нейронных сетей.
The article presents the results of combining 4 different types of neural network learning: evolutionary, reinforcing, deep and extrapolating. The last two are used as the primary method for reducing the dimension of the input signal of the system and simplifying the process of its training in terms of computational complexity. In the presented work, the neural network structure of the control device of the modeled system is formed in the course of the evolutionary process, taking into account the currently known structural and developmental features of self-learning systems that take place in living nature. This method of constructing it makes it possible to bypass the specific limitations of models created on the basis of recombination of already known topologies of neural networks.
004.032.26
общий = БД Техника
общий = НЕЙРОННЫЕ СЕТИ
общий = СВЕРТОЧНЫЕ КОДЫ
общий = ЭВОЛЮЦИОННЫЕ ПРОЦЕССЫ
общий = ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ
общий = РАСПОЗНАВАНИЕ ОБРАЗОВ
