Evolving Neural Network which Control a Robotic Agent

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F07%3A00088666" target="_blank" >RIV/67985807:_____/07:00088666 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Evolving Neural Network which Control a Robotic Agent

Popis výsledku v původním jazyce

Intelligent embodied agents should be able to adopt to changes of the environment and to modify their behavior according to acquired knowledge. The goal of this work is the study of emergence of intelligent behavior within a simple intelligent agent. Cognitive agent functions will be realized by mechanisms based on neural networks of the perceptron type. The adaptation mechanism is realized by the evolutionary algorithms which is responsible for setting the weights of a neural network in a simulated environment. Several tasks including obstacle avoidance and efficient maze exploration are presented in the experimental section. The behaviors developed during the adaptation process compare favorably with hard coded strategies.

Název v anglickém jazyce

Evolving Neural Network which Control a Robotic Agent

Popis výsledku anglicky

Intelligent embodied agents should be able to adopt to changes of the environment and to modify their behavior according to acquired knowledge. The goal of this work is the study of emergence of intelligent behavior within a simple intelligent agent. Cognitive agent functions will be realized by mechanisms based on neural networks of the perceptron type. The adaptation mechanism is realized by the evolutionary algorithms which is responsible for setting the weights of a neural network in a simulated environment. Several tasks including obstacle avoidance and efficient maze exploration are presented in the experimental section. The behaviors developed during the adaptation process compare favorably with hard coded strategies.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GA201%2F05%2F0557" target="_blank" >GA201/05/0557: Aproximace a učení funkcí více proměnných pomocí neuronových sítí a jádrových metod</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2007

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Evolutionary Computation

ISBN

978-1-4244-1339-3

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

—

Název nakladatele

IEEE

Místo vydání

Los Alamitos

Místo konání akce

Singapore

Datum konání akce

25. 9. 2007

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000256053701014