Title: | Практический подход к изучению эволюционных методов настройки весовых коэффициентов искусственных нейронных сетей |
Other Titles: | Practical Approach to Studying Evolutionary Methods for Setting Weight Coefficients of Artificial Neural Networks |
Authors: | Петров, Д. О. |
Keywords: | цифровая трансформация;нейроконтроллеры;искусственная нейронная сеть;генетические алгоритмы |
Issue Date: | 2024 |
Publisher: | БГУИР |
Citation: | Петров, Д. О. Практический подход к изучению эволюционных методов настройки весовых коэффициентов искусственных нейронных сетей = Practical Approach to Studying Evolutionary Methods for Setting Weight Coefficients of Artificial Neural Networks / Д. О. Петров // Цифровая трансформация. – 2024. – Т. 30, № 3. – С. 80-88. |
Abstract: | Описана проблематика разработки нейроконтроллеров для управления динамическими объектами, включающая в себя сложность формирования обучающих наборов данных. Указано, что одним
из известных способов обучения управляющей объектом искусственной нейронной сети является нейроэволюционный
подход, предполагающий использование генетического алгоритма для настройки синаптических весовых коэффициентов искусственной нейронной сети. Предложена идея использования средства
демонстрации эволюционного подхода к настройке весовых коэффициентов искусственной нейронной сети
для практического обучения студентов основам нейроэволюционного подхода. Разработано программное
обеспечение для демонстрации нейроэволюционного подхода на примере эволюции искусственной нейронной сети заданной структуры, предназначенной для управления упрощенной компьютерной моделью
автономного транспортного средства. Описан способ разрешения проблемы стагнации при использовании
эволюционного подхода к обучению искусственной нейронной сети. Предложены варианты применения
разработанного программного обеспечения при обучении студентов основам технологий искусственного
интеллекта и эволюционным методам многокритериальной оптимизации. |
Alternative abstract: | The article describes the problems of developing neurocontrollers for controlling dynamic objects,
including the complexity of forming training data sets. It is indicated that one of the known methods for training
an artificial neural network controlling an object is the neuroevolutionary approach, which involves using a genetic
algorithm to adjust the synaptic weighting coefficients of an artificial neural network. The idea of using a means of demonstrating the evolutionary approach to adjusting the weighting coefficients of an artificial neural network
for practical training of students in the basics of the neuroevolutionary approach is proposed. Software has been
developed to demonstrate the neuroevolutionary approach using the example of the evolution of an artificial neural
network of a given structure intended to control a simplified computer model of an autonomous vehicle. A method
for resolving the problem of stagnation when using the evolutionary approach to training an artificial neural network
is described. Options for using the developed software in teaching students the basics of artificial intelligence
technologies and evolutionary methods of multicriteria optimization are proposed. |
URI: | https://libeldoc.bsuir.by/handle/123456789/57685 |
DOI: | http://dx.doi.org/10.35596/1729-7648-2024-30-3-80-88 |
Appears in Collections: | Том 30, № 3
|