Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "evolutionary learning" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 20
Tytuł:
Artificial intelligence-powered pulse sequences in nuclear magnetic resonance and magnetic resonance imaging: historical trends, current innovations and perspectives
Autorzy:
Tokarz, Paweł
Powiązania:
https://bibliotekanauki.pl/articles/35508129.pdf
Data publikacji:
2024
Wydawca:
Radomskie Towarzystwo Naukowe
Tematy:
artificial intelligence
machine learning
evolutionary algorithm
artificial neural network
nuclear magnetic resonance
magnetic resonance imaging
pulse sequence
shaped pulse
sztuczna inteligencja
uczenie maszynowe
algorytm ewolucyjny
sztuczna sieć neuronowa
magnetyczny rezonans jądrowy
rezonans magnetyczny
sekwencja impulsów
impuls ukształtowany
Opis:
This review article explores the historical background and recent advances in the application of artificial intelligence (AI) in the development of radiofrequency pulses and pulse sequences in nuclear magnetic resonance spectroscopy (NMR) and imaging (MRI). The introduction of AI into this field, which traces back to the late 1970s, has recently witnessed remarkable progress, leading to the design of specialized frameworks and software solutions such as DeepRF, MRzero, and GENETICS-AI. Through an analysis of literature and case studies, this review tracks the transformation of AI-driven pulse design from initial proof-of-concept studies to comprehensive scientific programs, shedding light on the potential implications for the broader NMR and MRI communities. The fusion of artificial intelligence and magnetic resonance pulse design stands as a promising frontier in spectroscopy and imaging, offering innovative enhancements in data acquisition, analysis, and interpretation across diverse scientific domains.
Źródło:
Scientiae Radices; 2024, 3, 1; 30-52
2956-4808
Pojawia się w:
Scientiae Radices
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A genetic algorithm based optimized convolutional neural network for face recognition
Autorzy:
Karlupia, Namrata
Mahajan, Palak
Abrol, Pawanesh
Lehana, Parveen K.
Powiązania:
https://bibliotekanauki.pl/articles/2201023.pdf
Data publikacji:
2023
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
convolutional neural network
genetic algorithm
deep learning
evolutionary technique
sieć neuronowa konwolucyjna
algorytm genetyczny
uczenie głębokie
technika ewolucyjna
Opis:
Face recognition (FR) is one of the most active research areas in the field of computer vision. Convolutional neural networks (CNNs) have been extensively used in this field due to their good efficiency. Thus, it is important to find the best CNN parameters for its best performance. Hyperparameter optimization is one of the various techniques for increasing the performance of CNN models. Since manual tuning of hyperparameters is a tedious and time-consuming task, population based metaheuristic techniques can be used for the automatic hyperparameter optimization of CNNs. Automatic tuning of parameters reduces manual efforts and improves the efficiency of the CNN model. In the proposed work, genetic algorithm (GA) based hyperparameter optimization of CNNs is applied for face recognition. GAs are used for the optimization of various hyperparameters like filter size as well as the number of filters and of hidden layers. For analysis, a benchmark dataset for FR with ninety subjects is used. The experimental results indicate that the proposed GA-CNN model generates an improved model accuracy in comparison with existing CNN models. In each iteration, the GA minimizes the objective function by selecting the best combination set of CNN hyperparameters. An improved accuracy of 94.5% is obtained for FR.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2023, 33, 1; 21--31
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Lingua franca features in Italian. Evidence form an evolutionary linguistics experiment
Cechy lingua franca w języku włoskim. Dowody z ewolucyjnego eksperymentu językoznawczego
Autorzy:
Rogalska-Chodecka, Katarzyna
Powiązania:
https://bibliotekanauki.pl/articles/2011099.pdf
Data publikacji:
2021-12-31
Wydawca:
Polska Akademia Nauk. Instytut Języka Polskiego PAN
Tematy:
lingua franca
English
Italian
iterated learning
evolutionary linguistics
język angielski
język włoski
iterowane uczenie się
językoznawstwo ewolucyjne
Opis:
There is no doubt about the lingua franca status of the English language (e.g. Mair 2003). It even manifested itself in an evolutionary linguistics study based on the methodology of iterated learning (cf. Kirby and Hurford 2002). In an experiment with human participants, all of whom were native speakers of Polish, aimed at producing basic yet novel linguistic systems, entrenched linguistic structures related to English could easily be found, despite the fact that the experiment’s participants were asked not to use linguistic units from existing languages (e.g. Rogalska-Chodecka 2015). When the experiment’s participants tried to notice a lexical or syntactic pattern in a set of CVCVCV strings, they referred to English words regardless of their level of language knowledge or the experimenter’s instruction. Consequently, the final product of the experiment was not a novel linguistic system, but one containing entrenched linguistic English-related structures, which proves that in the absence of known linguistic structures, referring to English ones seems to be the easiest option. The present article asks whether it is possible to “force” participants in an experiment to use certain items from the Italian lexicon (related to colour, number, and shape) instead of those that come from English, despite their declared lack of knowledge of the Italian language. The results of two studies, one with a control group where the participants were asked to learn words in English as well as random CVCVCV strings, and one “contaminated” with Italian, where random words were exchanged with Italian ones, are compared in order to determine whether Italian is as useful as English from the perspective of participants in experiments and possesses lingua franca features that can be noticed in the case of the original evolutionary experiment. It turned out that, due to its high learnability, Italian exhibits lingua franca features and, given similar historical conditions to English, could regain its historical lingua franca status.
Nie ma wątpliwości co do statusu lingua franca języka angielskiego (np. Mair 2003). Można go było zaobserwować nawet w badaniu z zakresu językoznawstwa ewolucyjnego opartym na metodologii iterowanego uczenia się (por. Kirby and Hurford 2002). W eksperymencie z udziałem rodzimych użytkowników języka polskiego, który miał na celu stworzenie podstawowych, ale nowych systemów językowych, można było łatwo rozpoznać zakorzenione struktury językowe związane z językiem angielskim, pomimo faktu, że uczestnicy eksperymentu zostali poproszeni o nieużywanie jednostek językowych z istniejących języków (np. Rogalska-Chodecka 2015). Kiedy uczestnicy eksperymentu próbowali dostrzec wzorzec leksykalny lub syntaktyczny w zestawie ciągów spółgłoskowo-samogłoskowych CVCVCV, odwoływali się do słów angielskich niezależnie od swojego poziomu znajomości języka lub instrukcji eksperymentatora. W efekcie końcowym produktem eksperymentu nie był nowy system językowy, ale system zawierający zakorzenione struktury językowe związane z językiem angielskim, co dowodzi, że przy braku znanych struktur językowych najłatwiejszym wyjściem wydaje się być odwoływanie się do tych angielskich. W niniejszym artykule postawiono pytanie, czy możliwe jest „zmuszenie” uczestników eksperymentu do używania niektórych elementów włoskiego leksykonu (dla określenia koloru, ilości i kształtu) zamiast tych pochodzących z języka angielskiego, pomimo deklarowanego braku znajomości języka włoskiego. Porównano wyniki dwóch badań, jednego z grupą kontrolną, której uczestnicy zostali poproszeni o nauczenie się słów pochodzących z języka angielskiego, a także losowych ciągów CVCVCV, oraz drugiego, „zanieczyszczonego” językiem włoskim, w którym losowe słowa zastąpiono włoskimi w celu ustalenia, czy język włoski jest tak samo użyteczny jak angielski z perspektywy uczestników eksperymentu i posiada cechy lingua franca, które można zauważyć w przypadku oryginalnego eksperymentu ewolucyjnego. Okazało się, że język włoski, ze względu na łatwą przyswajalność, wykazuje cechy lingua franca i przy podobnych warunkach historycznych jak język angielski mógłby odzyskać swój historyczny status lingua franca.
Źródło:
Socjolingwistyka; 2021, 35; 7-22
0208-6808
Pojawia się w:
Socjolingwistyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A survey of big data classification strategies
Autorzy:
Banchhor, Chitrakant
Srinivasu, N.
Powiązania:
https://bibliotekanauki.pl/articles/2050171.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
big data
data mining
MapReduce
classification
machine learning
evolutionary intelligence
deep learning
Opis:
Big data plays nowadays a major role in finance, industry, medicine, and various other fields. In this survey, 50 research papers are reviewed regarding different big data classification techniques presented and/or used in the respective studies. The classification techniques are categorized into machine learning, evolutionary intelligence, fuzzy-based approaches, deep learning and so on. The research gaps and the challenges of the big data classification, faced by the existing techniques are also listed and described, which should help the researchers in enhancing the effectiveness of their future works. The research papers are analyzed for different techniques with respect to software tools, datasets used, publication year, classification techniques, and the performance metrics. It can be concluded from the here presented survey that the most frequently used big data classification methods are based on the machine learning techniques and the apparently most commonly used dataset for big data classification is the UCI repository dataset. The most frequently used performance metrics are accuracy and execution time.
Źródło:
Control and Cybernetics; 2020, 49, 4; 447-469
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Machine Learning Methods in Algorithmic Trading Strategy Optimization – Design and Time Efficiency
Autorzy:
Ryś, Przemysław
Ślepaczuk, Robert
Powiązania:
https://bibliotekanauki.pl/articles/1356900.pdf
Data publikacji:
2019-08-09
Wydawca:
Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
Tematy:
Algorithmic trading
investment strategy
machine learning
optimization
differential evolutionary method
cross-validation
overfitting
Opis:
The main aim of this paper was to formulate and analyse the machine learning methods, fitted to the strategy parameters optimization specificity. The most important problems are the sensitivity of a strategy performance to little parameter changes and numerous local extrema distributed over the solution space in an irregular way. The methods were designed for the purpose of significant shortening of the computation time, without a substantial loss of strategy quality. The efficiency of methods was compared for three different pairs of assets in case of moving averages crossover system. The problem was presented for three sets of two assets’ portfolios. In the first case, a strategy was trading on the SPX and DAX index futures; in the second, on the AAPL and MSFT stocks; and finally, in the third case, on the HGF and CBF commodities futures. The methods operated on the in-sample data, containing 16 years of daily prices between 1998 and 2013 and was validated on the out-of-sample period between 2014 and 2017. The major hypothesis verified in this paper is that machine learning methods select strategies with evaluation criterion near the highest one, but in significantly lower execution time than the brute force method (Exhaustive Search).
Źródło:
Central European Economic Journal; 2018, 5, 52; 206 - 229
2543-6821
Pojawia się w:
Central European Economic Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza istotności cech znamion skórnych dla celów diagnostyki czerniaka złośliwego
Skin lesion features analysis for malignant melanoma classification
Autorzy:
Mikołajczyk, A.
Grochowski, M.
Powiązania:
https://bibliotekanauki.pl/articles/268540.pdf
Data publikacji:
2018
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
algorytm ewolucyjny
uczenie maszynowe
sieci neuronowe
systemy wspomagania decyzji
evolutionary algorithm
neural networks
decision support system
machine learning
Opis:
Pomimo dynamicznego rozwoju metod uczenia maszynowego i ich wdrażania do praktyki lekarskiej, automatyczna analiza znamion skórnych wciąż jest nierozwiązanym problemem. Poniższy artykuł proponuje zastosowanie algorytmu ewolucyjnego do zaprojektowania, wytrenowania i przetestowania całych populacji klasyfikatorów (sztucznych sieci neuronowych) oraz ich iteracyjnego udoskonalania w każdej kolejnej populacji, w celu osiągnięcia jak najlepszej dokładności klasyfikacji znamion skórnych. Algorytm zwraca optymalny zestaw cech opisujących obraz dermatoskopowy wraz z proponowaną architekturą sieci neuronowej. Uzyskano dokładność równą 85,83%, swoistość równą 79,07% oraz czułość równą 92,60%.
Despite the dynamic development of machine learning methods, automatic analysis of skin lesions is still open issue. The following article proposes the use of an evolutionary algorithm to design, train, and to test a whole population of classifiers (artificial neural networks) and to iteratively improve them in each subsequent population, in order to achieve the best possible accuracy in the classification of skin lesions task. The algorithm returns an optimal set of features describing the dermatoscopic image together with the proposed architecture of the neural network. High classification results were obtained, in particular: accuracy equal to 85.83%, specificity 79.07% and sensitivity 92.60%.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2018, 60; 67-70
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie rozmytej mapy kognitywnej w prognozowaniu efektywności pracy wypożyczalni rowerowych
Application of fuzzy cognitive map to predict of effectiveness of bike sharing systems
Autorzy:
Jastriebow, A.
Kubuś, Ł.
Poczęta, K.
Powiązania:
https://bibliotekanauki.pl/articles/408030.pdf
Data publikacji:
2017
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
rozmyta mapa kognitywna
model prognozowania
obliczenia ewolucyjne
uczenie maszynowe
fuzzy cognitive map
predictive model
evolutionary computation
machine learning
Opis:
W pracy zaproponowano zastosowanie rozmytej mapy kognitywnej wraz z ewolucyjnymi algorytmami uczenia do modelowania systemu prognozowania efektywności pracy wypożyczalni rowerowych. Na podstawie danych historycznych zbudowano rozmytą mapę kognitywną, którą następnie zastosowano do prognozowania liczby rowerzystów i klientów wypożyczalni w trzech kolejnych dniach. Proces uczenia zrealizowano z zastosowaniem indywidualnego kierunkowego algorytmu ewolucyjnego IDEA oraz algorytmu genetycznego z kodowaniem zmiennoprzecinkowym RCGA. Analizę symulacyjną systemu prognozowania efektywności pracy wypożyczalni rowerowych przeprowadzono przy pomocy oprogramowania opracowanego w technologii JAVA.
This paper proposes application of fuzzy cognitive map with evolutionary learning algorithms to model a system for prediction of effectiveness of bike sharing systems. Fuzzy cognitive map was constructed based on historical data and next used to forecast the number of cyclists and customers of bike sharing systems on three consecutive days. The learning process was realized with the use of Individually Directional Evolutionary Algorithm IDEA and Real-Coded Genetic Algorithm RCGA. Simulation analysis of the system for prediction of effectiveness of bike sharing systems was carried out with the use of software developed in JAVA.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 4; 70-73
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Teoria i metody algorytmu ewolucyjnego w uczeniu jednowarstwowej sieci neuronowej
Implementation of the Evolutionary Algorithm Theory and Methods in the Learning Process of One-Layer ANN
Autorzy:
Płaczek, Stanisław
Powiązania:
https://bibliotekanauki.pl/articles/509173.pdf
Data publikacji:
2016
Wydawca:
Akademia Finansów i Biznesu Vistula
Tematy:
algorytmy genetyczne
algorytmy ewolucyjne
sztuczne sieci neuronowe
algorytmy uczenia sieci
algorytmy selekcji
algorytmy krzyżowania
algorytmy mutacji
genetic algorithm
evolutionary algorithm
artificial neural network
learning algorithm
selection algorithm
crossover algorithm
mutation algorithm
Opis:
Rozwój teorii sztucznych sieci neuronowych, a także pojawienie się nowych, efektywnych narzędzi programistycznych (systemy wieloprocesorowe, programowanie wielowątkowe) umożliwia zastosowanie algorytmów genetycznych oraz ewolucyjnych do uczenia sztucznych sieci neuronowych (SSN). W literaturze dotyczącej zasad działania SSN podkreśla się ich atrakcyjne własności, takie jak: aproksymacja dowolnych nieliniowych odwzorowań, równolegle i rozproszone przetwarzanie, adaptacja i uczenie. Szczególnie równoległe i rozproszone przetwarzanie koresponduje ze strukturą algorytmu genetycznego i ewolucyjnego. Klasyczne algorytmy genetyczne operują na ciągach binarnych o stałej długości. Natomiast algorytmy ewolucyjne można interpretować jako uogólnienie algorytmów genetycznych. W algorytmach tych stosuje się zasady ewolucji i dziedziczenia oraz wykorzystuje się właściwą strukturę danych do reprezentacji chromosomów (liczby rzeczywiste, macierze, grafy). Definiuje się również inne operatory krzyżowania i mutacji. Tak więc struktura algorytmu ewolucyjnego jest prawie taka sama jak genetycznego. Różnice ukryte są na niższych poziomach przetwarzania – w strukturach danych. W artykule przedstawiono próbę implementacji algorytmu ewolucyjnego do uczenia jednowarstwowej sieci neuronowej. Sieć opisuje się w postaci macierzy połączeń między wektorami – wejściowym X oraz wyjściowym Y. Funkcja uczenia SSN zdefiniowana jest jako nieliniowa funkcja wag sieci oraz nieliniowej funkcji aktywacji minimalizującej błąd średniokwadratowy między wektorem wyjściowym Y a wektorem uczącym Z, dla całej paczki uczącej. Pojawienie się nieliniowości utrudnia zastosowanie algorytmu uczenia opartego na wstecznej propagacji błędu. Funkcja celu, oprócz minimum globalnego, może zawierać wiele minimów lokalnych, w których algorytm oparty na badaniu gradientu funkcji celu może się zatrzymać. Oczywiście stosuje się różne techniki i metody umożliwiające wyjście algorytmu z tego typu pułapek. Tym niemniej dla sprawdzenia poprawności otrzymanych wyników uruchamia się proces uczenia SSN dla różnych danych początkowych. W zaproponowanym algorytmie ewolucyjnym tworzy się zbiór osobników. Każdy z osobników przedstawia możliwe rozwiązanie zadania minimalizacji funkcji celu i jest reprezentowany przez macierzową strukturę danych. Każde rozwiązanie cząstkowe ocenia się na podstawie dopasowania funkcji celu, a następnie tworzy się nową populację (potomków) przez selekcję osobników o najlepszych dopasowaniach oraz dwa algorytmy krzyżowania i mutacji. W artykule omówiono zaproponowaną strukturę osobników, przyjęte algorytmy selekcji z ich wadami i zaletami oraz różne algorytmu krzyżowania i mutacji. Na wstępie zdefiniowano takie podstawowe pojęcia, jak gen, chromosom oraz najogólniejszą strukturę algorytmu ewolucyjnego. Artykuł ma charakter koncepcyjny.
The article proposes implementation of a modified version of genetic algorithms in neural networks, what in literature is known as “evolutionary algorithm” or “evolutionary programming”. An evolutionary algorithm is a probabilistic algorithm that works in a set of weight variability of neurons and seeks the optimal value solution within a population of individuals, avoiding the local maximum. For chromosomes, the real value variables and matrix structure are proposed. In the article, this decision is widely elaborated and discussed. In the original versions of genetic algorithms, all variables’ values are transformed into binary versions. The chromosomes bit sequences could include thousands of positions. It does not simplify the crossover and mutation operations. Processes could be very time-consuming and the algorithm convergence could also be slow. For a single-layer neural network matrix data structure is used. A particular emphasis is put on mutation and crossover algorithms. What is also important in both genetic and evolutionary algorithms is the selection process. The primary population, known as the parent population, is employed to build a new set of individuals using the selection process. These individuals are known as the children population. The selection algorithm should converge on the two very important issues: population diversity and selective pressure. Selective pressure can manifest in the overrepresentation of the best individuals in the new population. The area, in which the optimal solution is sought, is reduced too fast. Premature convergence is not desirable due to the high probability of achieving the local maximum. Reducing the selective pressure may result in increasing the time it takes to search for the solution.
Źródło:
Zeszyty Naukowe Uczelni Vistula; 2016, 49(4) Informatyka; 23-39
2353-2688
Pojawia się w:
Zeszyty Naukowe Uczelni Vistula
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Decelerating the rate of evolution with constant learning
Spowalnianie tempa ewolucji z wykorzystaniem uczenia stałego
Autorzy:
Gajer, M.
Powiązania:
https://bibliotekanauki.pl/articles/275811.pdf
Data publikacji:
2012
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
systemy ewolucyjne
proces uczenia się
uczenie stałe
efekt Baldwina
evolutionary systems
learning process
constant learning
Baldwin effect
Opis:
Evolution and learning are two main processes that are considered in the case of artificial intelligence and artificial life systems. These two processes can interact with each other, which is called the Baldwin effect. Especially, the introduction of learning process into an evolutionary system can cause acceleration or deceleration of the rate of evolution both in the case of artificial and natural evolutionary systems. However, there is still a lack of a solid mathematical theory that could thoroughly explain the phenomena concerned with the impact of learning on the rate of evolution. In the case of constant learning, that is a process during which individuals are moved a constant value toward the optimum, it was proved that if the second derivative of the logarithm of the fitness function is negative, the rate of the evolution should be slowed down as a result of the introduction of constant learning. In the paper we assume an evolutionary system with the asymptotic fitness function for which the theory states that the introduction of constant learning should lead to deceleration of the rate of evolution. The results of numerous computer simulations confirmed the theory and demonstrated that the deceleration of the rate of the evolution is significant. Moreover, the impact of the intensity of mutation on the degree of deceleration of the rate of evolution could also be observed.
Ewolucja i uczenie się są dwoma głównymi procesami rozpatrywanymi w kontekście systemów sztucznej inteligencji i systemów sztucznego życia. Oba wymienione procesy mogą wchodzić we wzajemną interakcję, co bywa określane mianem efektu Baldwina. W szczególności wprowadzenie procesu uczenia do systemu ewolucyjnego może powodować przyspieszenie bądź spowolnienie tempa ewolucji zarówno w przypadku sztucznych, jak i naturalnych systemów ewolucyjnych. Obecnie wciąż odczuwany jest brak solidnej teorii matematycznej, która byłaby w stanie wyjaśnić w pełni zjawiska związane z wpływem procesu uczenia na tempo przebiegu ewolucji. W przypadku tzw. uczenia stałego, które polega na systematycznym przesuwaniu o stałą wartość genotypu osobnika w kierunku poszukiwanego optimum, udowodniono, że jeżeli druga pochodna logarytmu funkcji dopasowania jest ujemna, wówczas tempo przebiegu ewolucji powinno ulec spowolnieniu w wyniku wprowadzenia do systemu ewolucyjnego uczenia stałego. W artykule rozważono system ewolucyjny z asymptotyczną funkcją dopasowania, w przypadku którego zgodnie z teorią wprowadzenie uczenia stałego powinno wywołać spowolnienie tempa przebiegu ewolucji. Liczne wyniki symulacji komputerowych potwierdzają przewidywania teorii i pokazują, że spowolnienie tempa ewolucji jest istotne. Ponadto można zaobserwować dodatkowy wpływ częstotliwości mutacji na spowolnienie tempa ewolucji.
Źródło:
Pomiary Automatyka Robotyka; 2012, 16, 11; 50-53
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Real-time training algorithms in neuroevolutionary navigational decision support system
Algorytmy szkolenia w czasie rzeczywistym w neuroewolucyjnym systemie wsparcia podejmowania decyzji nawigacyjnych
Autorzy:
Łącki, M.
Powiązania:
https://bibliotekanauki.pl/articles/222133.pdf
Data publikacji:
2012
Wydawca:
Akademia Marynarki Wojennej. Wydział Dowodzenia i Operacji Morskich
Tematy:
sztuczna inteligencja
ewolucyjne sieci neuronowe
nawigacja morska
wyznaczanie tras
manewrowanie
sterowanie bezpieczeństwem okrętu
symulacja komputerowa
machine learning
artificial intelligence
evolutionary neural networks
marine navigation
routing and manoeuvring
safe ship control
computer simulation
Opis:
The paper presents the idea of using advanced machine learning algorithms to aid decision making in ship manoeuvring in real time. Evolutionary neural networks are used in this purpose. In the simulated model of manoeuvring ship a helmsman is treated as an individual in population of competitive helmsmen, which through environmental sensing and evolution processes learn how to navigate safely through restricted waters.
Artykuł przedstawia koncepcję wykorzystania zaawansowanych algorytmów uczenia się maszyn dla wsparcia podejmowania decyzji manewrowania okrętem w czasie rzeczywistym. Do tego celu wykorzystywane są ewolucyjne sieci neuronowe. W symulowanym modelu manewrowania okrętem sternik jest traktowany jako jednostka w populacji konkurencyjnych sterników, którzy poprzez wyczuwanie środowiskowe i procesy ewolucyjne uczą się jak prowadzić nawigację bezpiecznie po ograniczonych akwenach.
Źródło:
Zeszyty Naukowe Akademii Marynarki Wojennej; 2012, R. 53 nr 4 (191), 4 (191); 93-104
0860-889X
Pojawia się w:
Zeszyty Naukowe Akademii Marynarki Wojennej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Learning board evaluation function for Othello by hybridizing coevolution with temporal difference learning
Autorzy:
Szubert, M.
Jaśkowski, W.
Krawiec, K.
Powiązania:
https://bibliotekanauki.pl/articles/206175.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
evolutionary computation
coevolutionary algorithms
reinforcement learning
memetic computing
game strategy learning
Opis:
Hybridization of global and local search techniques has already produced promising results in the fields of optimization and machine learning. It is commonly presumed that approaches employing this idea, like memetic algorithms combining evolutionary algorithms and local search, benefit from complementarity of constituent methods and maintain the right balance between exploration and exploitation of the search space. While such extensions of evolutionary algorithms have been intensively studied, hybrids of local search with coevolutionary algorithms have not received much attention. In this paper we attempt to fill this gap by presenting Coevolutionary Temporal Difference Learning (CTDL) that works by interlacing global search provided by competitive coevolution and local search by means of temporal difference learning. We verify CTDL by applying it to the board game of Othello, where it learns board evaluation functions represented by a linear architecture of weighted piece counter. The results of a computational experiment show CTDL superiority compared to coevolutionary algorithm and temporal difference learning alone, both in terms of performance of elaborated strategies and computational cost. To further exploit CTDL potential, we extend it by an archive that keeps track of selected well-performing solutions found so far and uses them to improve search convergence. The overall conclusion is that the fusion of various forms of coevolution with a gradient-based local search can be highly beneficial and deserves further study.
Źródło:
Control and Cybernetics; 2011, 40, 3; 805-831
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A biologically inspired approach to feasible gait learning for a hexapod robot
Autorzy:
Belter, D.
Skrzypczyński, P.
Powiązania:
https://bibliotekanauki.pl/articles/907777.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
identyfikacja modelu
uczenie się ewolucyjne
robot nożny
evolutionary learning
legged robots
gait generation
model identification
reality gap
Opis:
The objective of this paper is to develop feasible gait patterns that could be used to control a real hexapod walking robot. These gaits should enable the fastest movement that is possible with the given robot's mechanics and drives on a flat terrain. Biological inspirations are commonly used in the design of walking robots and their control algorithms. However, legged robots differ significantly from their biological counterparts. Hence we believe that gait patterns should be learned using the robot or its simulation model rather than copied from insect behaviour. However, as we have found tahula rasa learning ineffective in this case due to the large and complicated search space, we adopt a different strategy: in a series of simulations we show how a progressive reduction of the permissible search space for the leg movements leads to the evolution of effective gait patterns. This strategy enables the evolutionary algorithm to discover proper leg co-ordination rules for a hexapod robot, using only simple dependencies between the states of the legs and a simple fitness function. The dependencies used are inspired by typical insect behaviour, although we show that all the introduced rules emerge also naturally in the evolved gait patterns. Finally, the gaits evolved in simulations are shown to be effective in experiments on a real walking robot.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2010, 20, 1; 69-84
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza wpływu uczenia stałego na tempo przebiegu procesów ewolucyjnych
Analysis of the impact of constant learning on the evolution rate
Autorzy:
Gajer, M.
Powiązania:
https://bibliotekanauki.pl/articles/156926.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
systemy ewolucyjne
proces uczenia
efekt Baldwina
evolutionary systems
learning process
Baldwin effect
Opis:
W artykule rozważono wpływ procesu uczenia na tempo zachodzenia przemian ewolucyjnych. Zjawisko polegające na tym, że wprowadzenie do sytemu ewolucyjnego procesu uczenia może zarówno przyspieszać, jak i spowalniać ewolucję, jest od dawna znane w naukach przyrodniczych i określane jest mianem efektu Baldwina. Natomiast brak jest ogólnej teorii opisującej rozważane zjawiska w sposób ilościowy. W artykule przedstawiono teoretyczną analizę wpływu uczenia stałego na tempo ewolucji. Uzyskane wyniki zostały dodatkowo potwierdzone przeprowadzonymi przez autora symulacjami numerycznymi, z których wynika, że w systemach ewolucyjnych z dodatnią i monotoniczną funkcją celu wprowadzenie uczenia stałego zawsze powoduje spowolnienie ewolucji.
The paper deals with the influence of learning on the evolution rate. It is a well-known fact that learning can under some circumstances accelerate or decelerate evolution, but there is no general theory that could explain these phenomena. The work [11] proposes a mathematical method with use of which one can determine whether the evolution will be accelerated or decelerated by learning for a monotonic and positive fitness function. This mathematical method is based on analysis of the fitness function logarithm second derivative. In the paper there is presented an experimental evolu-tionary system for which it was proved that the fitness function logarithm second derivative is negative. This fact causes that introduction of the constant learning to such a system must lead to deceleration of evolution. However, the mathematical method presented in [11] does not allow for any quantitative analysis of this phenomenon. Numerical experiments were conducted by the author of this paper in order to confirm the theoretical results obtained before. The simulation results of impact of learning on the evolution rate are shown in Figs. 1- 5. It can be noted that the deceleration of evolution, especially in the case of lower number of evolutionary algorithm generations, is relatively large. The impact of mutation intensity on the evolution rate was also examined. It was shown that increase in the mutation intensity accelerates the evolution significantly. The paper is organised as follows: Section 1 is the introduction, Section 2 presents the outline of the mathematical method based on gain function analysis, Section 3 discusses the results of numerical simulations, Section 4 gives the concluding remarks..
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 5, 5; 475-478
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Examining the impact of positive and negative constant learning on the evolution rate
Autorzy:
Gajer, M.
Powiązania:
https://bibliotekanauki.pl/articles/1943200.pdf
Data publikacji:
2009
Wydawca:
Politechnika Gdańska
Tematy:
evolutionary systems
learning process
constant learning
Opis:
The paper discusses the influence of learning on evolutionary processes. In biological sciences it is a well-known fact that the rate of evolution can be effected by learning and the same phenomena can also be observed in artificial evolutionary systems, however, their nature is still not sufficiently well understood. In the paper the influence of constant learning on the rate of evolution is examined. The constant learning is a kind of learning during which the genotype of the individual being taught is moved toward the global optimum over a constant value. If the fitness function is monotonic, it can be concluded from the mathematical theory that such kind of learning should decelerate evolution. However, this fact is highly counterintuitive and for this reason it should be proved by numerical experiments. In the article the results of numerical simulations are presented. They prove that evolution is indeed decelerated by learning in case of the sigmoid fitness function. Moreover, two cases of constant learning were examined in the paper. These are the positive and negative constant learning. It was demonstrated that in the case of the negative constant learning the evolution was decelerated to a larger extent than in the case of the positive constant learning. The obtained results can help explain certain phenomena concerning the impact of learning on the evolution both in natural and artificial evolutionary systems.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2009, 13, 4; 355-362
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wspomaganie sterowania statkiem za pomocą ewolucyjnych sieci neuronowych
Ship steering support with the use of evolutionary neural networks
Autorzy:
Łącki, M.
Powiązania:
https://bibliotekanauki.pl/articles/360275.pdf
Data publikacji:
2008
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
uczenie maszynowe
algorytmy sztucznej inteligencji
ewolucyjne sieci neuronowe
sterowanie statkiem
machine learning
artificial intelligence algorithms
evolutionary neural networks
ship steering
Opis:
W artykule przedstawiono koncepcję zastosowania ewolucyjnych sieci neuronowych we wspomaganiu procesów podejmowania decyzji podczas manewrowania statkiem na ograniczonym obszarze. Rozważane są wybrane algorytmy, operacje genetyczne, metody kodowania i selekcji oraz struktury ewolucyjnych sieci neuronowych.
This paper describes a concept of evolutionary neural networks application in decision process support during vessel manoeuvring in a restricted area. Selected algorithms, genetic operations, methods of coding and selection, and structures of evolutionary neural networks are considered in the paper.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2008, 14 (86); 34-37
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 20

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies