.png)
.png)
Послать статью по эл. почте 
Нейроэволюционное подкрепляющее обучение нейронных сетей
https://doi.org/10.21122/2309-4923-2021-4-16-24
Аннотация
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.
Об авторах
Я. А. БурыйБеларусь
Бурый Ярослав Анатольевич, ассистент кафедры электронных вычислительных машин, аспирант кафедры электронных вычислительных машин БГУИР
г. Минск
Д. И. Самаль
Беларусь
Самаль Дмитрий Иванович, доцент кафедры программного обеспечения информационных технологий БГУИР, доцент кафедры программной инженерии БГТУ, кандидат технических наук
г. Минск
Список литературы
1. Хижняков, Ю. Н. Алгоритмы нечеткого, нейронного и нейро-нечеткого управления в системах реального времени / Ю. Н. Хижняков. – Пермь: ПНИПУ, 2013. – 160с.
2. Саттон, Р. С. Обучение с подкреплением / Р. С. Саттон, Э. Г. Барто – М.: БИНОМ. Лаборатория знаний, 2017. – 399с.
3. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечёткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский – М .: Горячая линия – Телеком, 2013. – 384с.
4. Бурый, Я. А. Экстраполирующее обучение нейронных сетей. Информатика. Том 16, № 1 (2019) / Я. А. Бурый, Д. И. Самаль – М.: Информатика, 2019. – 86–92с.
5. База изображений THE MNIST DATABASE of handwritten digits – [Электронный ресурс]. – Режим доступа: http://yann.lecun.com/exdb/mnist/. – Дата доступа: 14.08.2018.
6. Официальный сайт Caffe (GitHub) – [Электронный ресурс]. – Режим доступа: http://caffe.berkeleyvision.org. Дата доступа: 14.08.2018.
7. Бурый, Я. А. Применение конфигурационного кодирования входного сигнала в нейронных сетях свёртки для распознавания рукописных символов / Я.А Бурый, Д.А Самаль – М.: БГУИР, BigDATA, 2019. – 366–371с.
8. База изображений The Street View House Numbers (SVHN) Dataset – [Электронный ресурс]. – Режим доступа: http://ufldl.stanford.edu/housenumbers. – Дата доступа: 14.08.2018.
9. Хайкин, С. Нейронные сети. Полный курс / С. Хайкин. – М., СПб., Киев: Вильямс, 2006. – 1104с.
10. Плотников, А. Д. Математическое программирование / А. Д. Плотников – Минск: Новое знание, 2007. – 171с
11. Николенко, С. Глубокое обучение. Погружение в мир нейронных сетей / С. Николенко, А. Кадурин, Е. Архангельская – СПб.: Питер, 2018. – 480с.
Дополнительные файлы
Для цитирования: Бурый Я.А., Самаль Д.И. Нейроэволюционное подкрепляющее обучение нейронных сетей. «Системный анализ и прикладная информатика». 2021;(4):16-24. https://doi.org/10.21122/2309-4923-2021-4-16-24
For citation: Bury Y.A., Samal D.I. Neuroevolutionary reinforcing learning of neural networks. «System analysis and applied information science». 2021;(4):16-24. (In Russ.) https://doi.org/10.21122/2309-4923-2021-4-16-24
Обратные ссылки
- Обратные ссылки не определены.
