Kompositoriske mønster-producerende netværk

Sammensætning pattern-producerende netværk, er en variation af kunstige neurale netværk, der adskiller sig i deres sæt af aktiveringsfunktioner, og hvordan de anvendes.

Mens ANNs indeholder ofte kun sigmoid funktioner, kan CPPNs omfatte begge typer funktioner og mange andre. Valget af funktioner til den kanoniske sæt kan være forudindtaget mod bestemte typer af mønstre og regelmæssigheder. For eksempel periodiske funktioner såsom sinus producere segmenterede mønstre med gentagelser, mens symmetriske funktioner såsom Gaussian producerer symmetriske mønstre. Lineære funktioner kan anvendes til fremstilling af lineære eller fraktal-lignende mønstre. Således arkitekten bag en CPPN-baserede genetiske kunst systemet kan skævhed de typer af mønstre, det genererer ved at beslutte det sæt af kanoniske funktioner til at inkludere.

Til forskel typiske ANNs, er CPPNs anvendes på hele rummet af mulige input, så de kan repræsentere et komplet billede. Da de er sammensætninger af funktioner, CPPNs i effekt koder billeder på uendelig opløsning og kan udtages prøver til en bestemt skærm på uanset opløsning er optimal.

CPPNs kan udviklet sig gennem neuroevolution teknikker såsom NeuroEvolution til at forøge topologier.

CPPNs vist sig at være en meget magtfuld kodning, når udvikler følgende:

  • Neurale netværk, via HyperNEAT algoritmen
  • 2D-billeder, på "PicBreeder.org"
  • 3D-objekter, på "EndlessForms.com"
  • Robot morfologier Stive robotter Soft Robotter
  0   0
Forrige artikel Ernest Gibbins
Næste artikel Carl Melchior

Kommentarer - 0

Ingen kommentar

Tilføj en kommentar

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Tegn tilbage: 3000
captcha