| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:METODE NEVROEVOLUCIJE
Avtorji:ID Mađarić, Sašo (Avtor)
ID Strnad, Damjan (Mentor) Več o mentorju... Novo okno
ID Guid, Nikola (Komentor)
Datoteke:.pdf MAG_Madaric_Saso_2013.pdf (5,83 MB)
MD5: FBC14D1BECD1B4862D4A06B0B4CCD23B
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Pri klasičnem razvoju nevronskih mrež za uporabo na različnih področjih umetne inteligence se pogosto srečujemo s problemom določanja optimalne topologije nevronske mreže, ki ima velik vpliv na njeno kvaliteto. V tem magistrskem delu smo se ukvarjali s problemom avtomatiziranega razvoja topologije nevronske mreže in njenega učenja z nevroevolucijskimi metodami. Področje, ki se ukvarja z razvojem nevronskih mrež s pomočjo evolucijskega algoritma, je nevroevolucija. Preučili in implementirali smo nevroevolucijske metode NEAT, HyperNEAT in ES-HyperNEAT. Uspešnost metod smo preizkusili na eksperimentu z agenti. Agent se nahaja v okolju in poskuša pobrati čim več kosov hrane ter se izogniti sovražnikom oziroma zidovom. Nevroevolucijske metode smo primerjali z metodo Q-učenje, ki za učenje nevronske mreže uporablja klasično metodo vzvratnega prenosa napake. Primerjali smo doseženo oceno in časovno zahtevnost. Rezultati so pokazali, da je najuspešnejša metoda HyperNEAT, sledita pa ji ES-HyperNEAT in NEAT. Metoda Q-učenje se je izkazala za najmanj uspešno, saj je glede na nevroevolucijske metode v podrejenem položaju tako po doseženi kriterijski oceni kot tudi po časovni zahtevnosti.
Ključne besede:umetna inteligenca, nevroevolucija, evolucijski algoritem, nevronske mreže, razvoj nevronskih mrež, NEAT, HyperNEAT, ES-HyperNEAT
Kraj izida:Maribor
Založnik:[S. Mađarić]
Leto izida:2013
PID:20.500.12556/DKUM-41489 Novo okno
UDK:004.032.26:004.832.3(043.3)
COBISS.SI-ID:17335318 Novo okno
NUK URN:URN:SI:UM:DK:1OF1WLB5
Datum objave v DKUM:11.09.2013
Število ogledov:2511
Število prenosov:268
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Sekundarni jezik

Jezik:Angleški jezik
Naslov:NEUROEVOLUTION METHODS
Opis:In classical development of neural networks for use in different areas of artificial intelligence we are often faced with the problem of optimal neural network topology selection, which has strong impact on neural network quality. In this master work we were studying with problem of automated development and training neural network topologies using neuroevolution methods. Development of NN topology using evolutionary algorithm is called nevroevolution. We have studied and implemented neuroevolution methods NEAT, HyperNEAT, and ES-HyperNEAT. The methods were compared using an experiment, where an agent tries to collect food and avoid enemies and walls. Neuroevolutionary methods were compared with the Q-learning, which uses backpropagation algorithm for neural network learning. The comparison was based on achieved fitness and time complexity. Results show, that the best method is HyperNEAT, followed by ES-HyperNEAT and NEAT. Method Q-learning method was least successful in both the achieved fitness and time complexity.
Ključne besede:artificial intelligence, nevroevolution, evolutionary algorithm, neural network, neural networks development, NEAT, HyperNEAT, ES-HyperNEAT


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici