Алгоритм 1. Эволюционный подход
В ходе работы был проведен ряд экспериментов, в котором было установлено, что для задач небольшой размерности оптимальным размером скрытого слоя для данной сети является 40 нейронов. Была выбрана следующая архитектура нейронной сети, позволяющая оптимально сочетать в себе скорость обучения и точность решения предоставленных задач. Один скрытый слой содержит 40 нейронов. У данного слоя… Читать ещё >
Алгоритм 1. Эволюционный подход (реферат, курсовая, диплом, контрольная)
Рассмотрим Эволюционный подход к обучению нейронной сети [8].
Архитектура нейронной сети
Была выбрана следующая архитектура нейронной сети, позволяющая оптимально сочетать в себе скорость обучения и точность решения предоставленных задач.
Нейронная сеть имеет 3 слоя и выглядит следующим образом:
- 1. Входной слой определяется размерностью вектора Observations.
- 2. Один скрытый слой содержит 40 нейронов. У данного слоя используется функция активации Rectifier:
3. Выходной слой определяется размерностью вектора Actions. В каждом нейроне на выходе будет значение вероятности того, что данное действие приведет к наилучшему результату. У данного слоя используется функция активации Logistic Sigmoid:
В ходе работы был проведен ряд экспериментов, в котором было установлено, что для задач небольшой размерности оптимальным размером скрытого слоя для данной сети является 40 нейронов.
Как видно из описания, данная архитектура «подстраивается» под размерность входных данных, поэтому в исходной программе необходимо только указать название среды. Все параметры для обучения тоже заранее вычислены в ходе работы и представляют собой либо константные значения, либо вычисляются в зависимости от входных данных.
Общая схема сети изображена на рис. 1:
самообучающийся алгоритм компьютерный нейронный.
Рисунок 1. Схема Нейронной Сети.