Нейроэволюционное подкрепляющее обучение нейронных сетей
Another Title
Neuroevolutionary reinforcing learning of neural networks
Bibliographic entry
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. – 2021. – № 4. – С. 16-24.
Abstract
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.
Abstract in another language
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.
View/ Open
Collections
- № 4[8]