Управление движением объекта по полю с препятствиями при помощи рекуррентной нейронной сети

Авторы

  • Александр Федорович Ляхов Национальный исследовательский Нижегородский государственный университет им. Н. И. Лобачевского, пр. Гагарина, 23, 603022, Нижний Новгород, Россия
  • Денис Алексеевич Королев ООО «Научно-производственное предприятие «ПРИМА», Сормовское шоссе, д. 1Ж, 603950, Нижний Новгород, Россия

DOI:

https://doi.org/10.32603/2071-2340-2022-1-5-15

Ключевые слова:

Ключевые слова: нейронная сеть, обучение с подкреплением, генетический алгоритм, движение объекта, искусственный интеллект.

Аннотация

Рассматриваются модели управления рекуррентной нейронной сетью движением объекта по полю с препятствиями. С помощью генетического алгоритма созданы две нейронные сети разной сложности. Для каждой сети описаны алгоритмы обучения с подкреплением. Проводятся сравнения эффективности их работы.

 

Биографии авторов

  • Александр Федорович Ляхов, Национальный исследовательский Нижегородский государственный университет им. Н. И. Лобачевского, пр. Гагарина, 23, 603022, Нижний Новгород, Россия

    Кандидат физико-математических наук, доцент кафедры теоретической, компьютерной, экспериментальной механики Институт Информационных технологий, математики и механики ННГУ,  Alf19545@rambler.ru

  • Денис Алексеевич Королев, ООО «Научно-производственное предприятие «ПРИМА», Сормовское шоссе, д. 1Ж, 603950, Нижний Новгород, Россия

    Инженер-программист ООО НПП «ПРИМА»,  corolyov1998@gmail.com

Библиографические ссылки

A. N. Chernodub and D. A. Dzyuba, “Review of neurocontrol methods,” Problemy programmirovaniya, no. 2, pp. 79–94, 2011 (in Russian).

D. Kopec, Classic Computer Science Problems in Python, St. Petersburg, Russia: Piter, 2020 (in Russian).

G. A. Kilin and E. O. Zhdanovsky, “Benefits of using reinforcement learning for training neural networks,” in Proc. Review of Automated control systems and information technologies neurocontrol methods, Perm, Russia, 17 May 2018, Perm, Russia: Perm National Research Polytechnic University, vol. 1, 2018, pp. 152–158 (in Russian).

J. Prateek, Artificial intelligence with Python, St. Petersburg, Russia: OOO "Dialektika 2019 (in Russian).

S. I. Nikolenko and A. L. Tulup’ev, Self-learning systems, Moscow: MCCME, 2009 (in Russian).

S. Nikolenko, A. Kadurin, and E. Arkhangelskaya, Deep learning, St. Petersburg, Russia: Piter, 2018 (in Russian).

I. Goodfellow, Y. Bengio, and A. Courville, Deep Learning, Moscow: DMK Press, 2018 (in Russian).

Загрузки

Опубликован

28.03.2022

Выпуск

№ 1 (2022)

Раздел

Алгоритмическая математика и математическое моделирование

Лицензия

Copyright (c) 2022 Alexander Lyakhov, Denis Korolev

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Авторский договор

Как цитировать

[1]
А. Ф. Ляхов и Д. А. Королев, «Управление движением объекта по полю с препятствиями при помощи рекуррентной нейронной сети», Компьютерные инструменты в образовании, вып. 1, сс. 5–15, мар. 2022, doi: 10.32603/2071-2340-2022-1-5-15.

Наиболее читаемые статьи этого автора (авторов)