Improving controllers based on neural networks obtained by parallel evolution strategy
La resolución de tareas complejas puede ser llevada cabo descomponiendo el problema original en partes más simples y específicas denominadas subtareas. Varios investigadores han demostrado que las redes neuronales poseen la capacidad de resolver cada una de estas subtareas y que de su accionar coord...
Guardado en:
| Autores principales: | , , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Inglés |
| Publicado: |
2008
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/21683 |
| Aporte de: |
| Sumario: | La resolución de tareas complejas puede ser llevada cabo descomponiendo el problema original en partes más simples y específicas denominadas subtareas. Varios investigadores han demostrado que las redes neuronales poseen la capacidad de resolver cada una de estas subtareas y que de su accionar coordinado puede lograrse la resolución del problema completo.
Este artículo presenta una nueva estrategia que permite mejorar controladores basados en redes neuronales obtenidos a través de estrategias de evolución paralela. Su funcionamiento se basa en la combinación de un método capaz de generar una red neuronal de estructura minima con un algoritmo genético que utiliza selección por torneo y mutación uniforme. Durante el proceso, con la intención de reducir el tiempo de adaptación, la aptitud de los individuos es evaluada en paralelo.
El método propuesto ha sido utilizado para generar un controlador que permita a un robot encontrar una pelota, posicionarse correctamente y golpearla en una dirección específica. Las pruebas realizadas en el simulador y en un robot real han dado resultados satisfactorios. |
|---|