Самоорганизующиеся нейронные клеточные автоматы для обучения с подкреплением и эволюционного развития
Показана актуальность изучения самоорганизующихся систем через моделирование клеточных автоматов, что позволяет решать различные задачи от оптимизации и управления ресурсами до прогнозирования поведения систем. Выполнен обзор клеточных автоматов, включая классические клеточные автоматы, вариационные нейронные клеточные автоматы и растущие сети развития с нейронными клеточными автоматами. Обсуждается значимость применения клеточных автоматов в моделировании сложных процессов, требующих от модели способности восстановления и переобучения при изменении свойств агента или среды. В частности показано, что внедрение самоорганизации в модель агентов обучения с подкреплением наделяет их свойствами адаптивности, что позволяет без дополнительного переобучения модели вносить изменения в исходную задачу и восстанавливать работоспособность системы в случае повреждения ее структуры. Приведены примеры применения клеточных автоматов для моделирования различных процессов и обучения агентов.
Авторы: Н. С. Мокрецов, Т. М. Татарникова
Направление: Информатика, вычислительная техника и управление
Ключевые слова: обучение с подкреплением, клеточные автоматы, самоорганизация, машинное обучение
Открыть полный текст статьи