Neuro Evolution of Augmented Topologies Michael Isik 26
- Slides: 47
Neuro. Evolution of Augmented Topologies Michael Isik 26. 11. 2020 1
Worum gehts eigentlich? n n 26. 11. 2020 Problem soll gelöst werden durch Neuronales Netz Strategie zur automatischen Erzeugung Neuronaler Netze Bedient sich Evolutorischer Programmierung Entworfen von Kenneth O. Stanley und Risto Miikkulainen 2
Hauptthemen n n 26. 11. 2020 1. Grundlagen der Neuronalen Netze 2. Evolutorische Programmierung 3. NEAT 4. Evaluierung 3
1. Grundlagen der Neuronalen Netze Ziel: Erlernen von Funktionen oder Verhaltensweisen n Beispiele: u XOR Funktion u Pole Balancing u Steuerung von Fußballroboter u Wettervorhersage n 26. 11. 2020 4
Neuronales Netz als Blackbox: n n Meist reelle Werte verarbeiten Kann Gedächtnis besitzen 26. 11. 2020 5
Aufbau eines Neuronalen Netzes: n n n Signalinput durch Input. Zellen (Sensoren) Verbindungen leiten Signale weiter Gewichte modifizieren Signale Versteckte Zellen verarbeiten Signale Output Zellen geben Signale aus 26. 11. 2020 6
Aufbau einer versteckten Zelle: 26. 11. 2020 7
Beispielschaltung OR: 26. 11. 2020 8
Wer erzeugt die Netze eigentlich? 26. 11. 2020 9
Die Lernalgorithmen n 26. 11. 2020 Ziel: Automatisches Erzeugen Neuronaler Netze 10
Backpropagation: Fußballroboter: Navigation 26. 11. 2020 11
NEAT: n n 26. 11. 2020 TWEANNs: Topology and Weight Evolving Artificial Neural Networks Evolutorische Programmierung mit Genetischen Algorithmen 12
Hauptthemen n n 26. 11. 2020 1. Grundlagen der Neuronalen Netze 2. Evolutorische Programmierung 3. NEAT 4. Evaluierung 13
2. Evolutorische Programmierung Ziel: Entwicklung von Systemen als Individuen in einer Population, die ein Problem lösen n Angelehnt an die natürliche Evolution n 26. 11. 2020 14
Graphisches Modell: 26. 11. 2020 15
Frage n n 26. 11. 2020 Lebewesen mutieren nicht direkt Vielmehr deren DNA bzw. Genom Wie übertragen wir dies in die künstliche Evolution? Antwort: Genetische Algorithmen 16
Genetische Algorithmen n n System wird durch Genom kodiert Operationen wie: Mutation u Paarung anhand der Genome u 26. 11. 2020 17
Kodierung eines Systems Begriffe: n Genom n Gen n Allel 26. 11. 2020 18
Crossover 26. 11. 2020 19
Mutation 26. 11. 2020 20
Hauptthemen n n 26. 11. 2020 1. Grundlagen der Neuronalen Netze 2. Evolutorische Programmierung 3. NEAT 4. Evaluierung 21
3. NEAT Ziel: Entwicklung von Neuronalen Netzen für ein Problem n Smileys werden durch Neuronale Netze ersetzt n 26. 11. 2020 22
Grober Überblick n n n Problem ist gegeben Initiale Population von Neuronalen Netze mit Fitnessfunktion (wie gut löst Netz das Problem? ) selektieren Netze paare Netze mutieren Ist das Problem gelöst? 26. 11. 2020 23
Zur Erinnerung: 26. 11. 2020 24
Initiale Population n n Problem definiert Inputs und Outputs Netze minimaler Größe Verkleinert den Suchraum Ermöglicht minimale Lösung 26. 11. 2020 25
Zur Erinnerung: 26. 11. 2020 26
Selektion n n 26. 11. 2020 Die Fitnessfunktion wird durch das Problem definiert Diese entscheidet über die Güte eines Netzes 27
Genetische Algorithmen in NEAT n 3 Punkte: Genetische Kodierung u Crossover u Mutation u 26. 11. 2020 28
Kodierung eines Netzes 26. 11. 2020 29
Innovationsnummer n n Neu entstandene Gene erhalten neue Nummern Nachkommen von Netzen erben die Nummern Die Nummer als Zeitpunkt der Entstehung Ziele: Selbe Nummer bedeutet selbes Allel (Crossover) u Unterteilung in Arten u 26. 11. 2020 30
Zur Erinnerung: 26. 11. 2020 31
Paarung durch Crossover n 26. 11. 2020 Kommt sofort 32
26. 11. 2020 33
Zur Erinnerung: 26. 11. 2020 34
Mutation der Gewichte n n 26. 11. 2020 Einige Gewichte eines Netzes werden modifiziert Die Innovationsnummer bleibt dabei unverändert 35
Mutation 1 der Topologie 26. 11. 2020 36
Mutation 2 der Topologie 26. 11. 2020 37
Zu den Mutation Beachte: n Netzverhalten wird möglichst nicht verändert n Alte Gene werden nur deaktiviert verbessert Artzuweisung n Es werden niemals Gene entfernt Netz kann nur wachsen 26. 11. 2020 38
Artenbildung n n Nischenbildung Innovationen überleben Genetische Differenz läßt Arten bestimmen Crossover zwischen kompatiblen typen Wegen Innovationsnummern sehr leicht zu implementieren 26. 11. 2020 39
Hauptthemen n n 26. 11. 2020 1. Grundlagen der Neuronalen Netze 2. Evolutorische Programmierung 3. NEAT 4. Evaluierung 40
4. Evaluierung 26. 11. 2020 41
Vergleich mit anderen Systemen n n Problem: Double Pole Balancing Inputs Position des Wagens u Geschwindigkeit des Wagens u Winkelposition von Stange 1 u Winkelgeschwindigkeit von Stange 1 u Winkelposition von Stange 2 u Winkelgeschwindigkeit von Stange 2 u n 26. 11. 2020 Output: Steuerung des Wagens 42
Durchschnittliche Ergebnisse 26. 11. 2020 43
Beispiel für ein Netz n n Double Pole without velocity Äußerst kompakte Lösung 26. 11. 2020 44
Abschließend n n n 26. 11. 2020 Sehr mächtige Strategie Innovationsnummern ermöglichen leichte Implementierungen der Genetischen Algorithmen Minimale Initialpopulation kleiner Suchraum, minimale Lösungen Artenbildung ermöglicht gewagtere Innovationen Testergebnis: entfernt man irgend ein Element schlechtere Performance 45
Das wars n n 26. 11. 2020 1. Grundlagen der Neuronalen Netze 2. Evolutorische Programmierung 3. NEAT 4. Evaluierung 46
Thema 2 n n n 26. 11. 2020 Details über das Thema. Argumente und Beispiele. Warum ist das Thema für Ihr Publikum von Bedeutung? 47
- Michael isik
- Ppt network topology
- Wlan topologies
- Feedback amplifier topologies
- Types of topologies of structured cables
- Bus, ring and star topologies mostly used in the
- Network security topologies
- Physical structure of network
- Bjt amplifier topologies
- Ups topologies
- Types of network topology
- Multiprocessor network topologies
- Physical network topology
- Three-tier network topologies
- Data center network topologies
- 5 network topologies
- Three basic network topologies
- Clos topologies
- Advantages of bus topology
- Network topologies and layout
- Michael cheval wiki
- Neuro derm
- Acsos sfar
- Neuro linguistic programming long island
- Neuro vital signs meaning
- Pupil assessment
- Neuro therm
- Neuro
- Nlff neuro
- Neuro eye coach
- Neuro compatibilidade
- Brachioradialis stretch
- Neuro assessment nursing
- Reflex grade
- Pediatric shelf percentiles
- Neuro exam strength
- Mangukiya neuro clinic
- Neuro q quiz
- Neuro marketin
- Synapse neuro neuronale
- Stroke assessment
- Corticobulbar tract decussation
- Receptorsko efektorski sistem
- Neoro naryn
- Estructura de la placa neuromuscular
- Motor strength scale
- "neuro 2"
- Psikoneuroimunologi