«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению МНОГОАГЕНТНЫЙ НЕЙРОЭВОЛЮЦИОННЫЙ ПОДХОД К АДАПТИВНОМУ.

Презентация:



Advertisements
Похожие презентации
ГЕНЕТИЧЕСКИЙ АЛГОРИТМ НАСТРОЙКИ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ Конференция «Технологии Microsoft в информатике и программировании», февраля 2004г.
Advertisements

ТРЕХЭТАПНАЯ ОБРАБОТКА ЦИФРОВЫХ ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ ЭВОЛЮЦИОНИРУЮЩИХ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ* Цой Ю.Р., Спицын В.Г. Кафедра вычислительной.
«Современные техника и технологии 2005» Адаптивный оператор мутации для нейроэволюционного алгоритма АДАПТИВНЫЙ ОПЕРАТОР МУТАЦИИ ДЛЯ НЕЙРОЭВОЛЮЦИОННОГО.
Цой Ю.Р., Спицын В.Г. К выбору размера популяции Интеллектуальные системы (AIS04), Россия, Дивноморское, 3-10 сентября, 2004г. К ВЫБОРУ РАЗМЕРА ПОПУЛЯЦИИ.
Цой Ю.Р., Спицын В.Г. «Применение нейроэволюционного подхода для решения задач классификации и аппроксимации» XIII Всероссийский семинар «Нейроинформатика.
МЕТОД ФОРМИРОВАНИЯ ВРЕМЕННЫХ ОБРАЗОВ ДЛЯ СИСТЕМ АВТОНОМНОГО АДАПТИВНОГО УПРАВЛЕНИЯ Ю. А. Мазур, А. А. Жданов Институт точной механики и вычислительной.
Нейро-автоматное управление Юрий Губин, СПбГУ ИТМО Анатолий Шалыто, СПбГУ ИТМО.
StatSoft Russia. Основные идеи нейросетевых методов анализа Простота и однородность отдельных элементов - «нейронов» Все основные свойства сети определяются.
1 Применение методов искусственного интеллекта в разработке управляющих программных систем. Первый этап Разработка, программная реализация и экспериментальное.
Виртуальная лаборатория для первоначального обучения проектированию программ Н. Н. Красильников, В. Г. Парфенов, Ф. Н. Царев, А. А. Шалыто Кафедра компьютерных.
Применение генетического программирования для реализации систем со сложным поведением Санкт-Петербургский Государственный Университет Информационных Технологий,
Прогнозирование финансовых рынков с использованием нейронных сетей Выполнила: Кокшарова А.А. ПНИПУ, ФПММ гр. ММЭм-12 Руководитель: к. ф.-м.н. Шумкова Д.Б.
Генетические алгоритмы Студент гр. 4057/2 Мима Андрей Доклад на семинаре по специальности.
ДИСТАНЦИОННЫЙ ЛАБОРАТОРНЫЙ ПРАКТИКУМ ПО ПРОГРАММИРОВАНИЮ Докладчик: Андрианов Игорь Александрович Вологодский государственный технический университет ФЦП.
Санкт-Петербургский государственный университет информационных технологий, механики и оптики © Центр дистанционного обучения, 2008 Информационно-образовательная.
Примеры обработки информации (Алгоритмы) Примеры обработки информации (Алгоритмы)
Проект : Ассоциативный поиск информации с помощью нейронных сетей. Задача: методы кластеризации данных.
ОДИН СПОСОБ ВЫЧИСЛЕНИЯ ВРЕМЕНИ СМЕШИВАНИЯ ДЛЯ ГЕНЕТИЧЕСКИХ ОПЕРАТОРОВ СКРЕЩИВАНИЯ * Цой Ю.Р Кафедра вычислительной техники, Томский политехнический университет.
Нейронные сети В образовании. + - = Что нам нужно? Массив арифметических операторов. Шаблон для вариантов алгоритма. a + b + c = d a + b - c = d a -
« Стохастические методы оптимизации работы вычислительных систем» лекция профессора Граничина Олега Николаевича для стажеров лаборатории Системного программирования.
Транксрипт:

«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению МНОГОАГЕНТНЫЙ НЕЙРОЭВОЛЮЦИОННЫЙ ПОДХОД К АДАПТИВНОМУ УПРАВЛЕНИЮ Цой Ю.Р., Спицын В.Г. Томский политехнический университет Кафедра вычислительной техники «Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению

«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению Каждый агент представляет некоторое правило или набор правил. Для выбора действия используется группа агентов. «Современные техника и технологии 2004» Настройка весов и структуры искусственной нейронной сети с помощью генетического алгоритма. Нейроэволюция Многоагентный подход

«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению Описание предлагаемой многоагентной системы Формирование нового поколения A(t+1) = A 0 (t) R(A'(t)) Изменение состояния управляемой системы S(t+1) = C(A 0 (t), S(t)) Изменение среды E(t+1) = V(E(t), S(t+1))

«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению «Современные техника и технологии 2004» Описание задачи а) Преследование неподвижной жертвы б) Преследование подвижной жертвы

«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению Критерии оценки Оценка фактического расстояния, пройденного хищником к максимально возможному Оценка расстояния, пройденного жертвой по сравнению с первоначальным расстоянием до хищника

«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению «Современные техника и технологии 2004» Результаты работы а) Неподвижная жертва б) Подвижная жертва

«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению «Современные техника и технологии 2004» Примеры (неподвижная жертва)

«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению Пример (подвижная жертва)

«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению Пример (подвижная жертва, увеличено)

«Современные техника и технологии 2004» Многоагентный нейроэволюционный подход к адаптивному управлению Спасибо за внимание! (Ваши вопросы)