論文の概要: Neurogenetic Programming Framework for Explainable Reinforcement
Learning
- arxiv url: http://arxiv.org/abs/2102.04231v1
- Date: Mon, 8 Feb 2021 14:26:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-10 11:53:04.586525
- Title: Neurogenetic Programming Framework for Explainable Reinforcement
Learning
- Title(参考訳): 説明可能な強化学習のための神経遺伝プログラミングフレームワーク
- Authors: Vadim Liventsev, Aki H\"arm\"a and Milan Petkovi\'c
- Abstract要約: 本稿では,仮想ニューロジェネティック・プログラマの概念を用いて,両方のアプローチを組み合わせる新しい手法を提案する。
我々は、さまざまなOpenAI Gymタスクに対して、パフォーマンスと説明可能なソリューションを提供する能力を示し、そうでなければ、データ駆動によるソリューション探索に専門家の知識を注入する能力を示した。
- 参考スコア(独自算出の注目度): 0.483420384410068
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatic programming, the task of generating computer programs compliant
with a specification without a human developer, is usually tackled either via
genetic programming methods based on mutation and recombination of programs, or
via neural language models. We propose a novel method that combines both
approaches using a concept of a virtual neuro-genetic programmer: using
evolutionary methods as an alternative to gradient descent for neural network
training}, or scrum team. We demonstrate its ability to provide performant and
explainable solutions for various OpenAI Gym tasks, as well as inject expert
knowledge into the otherwise data-driven search for solutions.
- Abstract(参考訳): 自動プログラミング(Automatic Programming)は、人間の開発者なしで仕様に準拠したコンピュータプログラムを生成するタスクであり、通常はプログラムの突然変異と組換えに基づく遺伝的プログラミング手法またはニューラルランゲージモデルによって取り組まれる。
本稿では,ニューラルネットワーク学習における勾配降下の代替として進化的手法を用いる,仮想神経遺伝プログラマという概念を用いて,両方のアプローチを組み合わせる新しい手法を提案する。
私たちは、さまざまなopenaiジムタスクにパフォーマンスと説明可能なソリューションを提供し、それ以外はデータ駆動のソリューション検索に専門家の知識を注入する能力を示します。
関連論文リスト
- Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。
新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。
我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文 参考訳(メタデータ) (2024-02-20T15:23:24Z) - Hebbian Learning based Orthogonal Projection for Continual Learning of
Spiking Neural Networks [74.3099028063756]
我々は,側方接続とヘビアン学習に基づくニューラル操作を用いた新しい手法を開発した。
我々は,反復する側方接続におけるヘビアン学習と反ヘビアン学習が,神経活動の主部分空間を効果的に抽出できることを示した。
我々の手法は、ほとんど忘れることなくニューラルネットワークをスパイクするために一貫して解決する。
論文 参考訳(メタデータ) (2024-02-19T09:29:37Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳(メタデータ) (2023-12-01T05:20:57Z) - The Clock and the Pizza: Two Stories in Mechanistic Explanation of
Neural Networks [59.26515696183751]
ニューラルネットワークにおけるアルゴリズム発見は、時としてより複雑であることを示す。
単純な学習問題でさえ、驚くほど多様なソリューションを許容できることが示されています。
論文 参考訳(メタデータ) (2023-06-30T17:59:13Z) - Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。
本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。
NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-05-25T12:41:59Z) - Enhancement Programming Skills and Transforming Knowledge of Programming
through Neuroeducation Approaches [0.0]
デジタルデバイスをプログラミングし、ソフトウェアを開発することは、雇用機会に貢献する重要な専門家の資格である。
脳画像技術の最近の進歩は、神経科学者が人間の脳の機能的構造を探求する機会となった。
この研究は、コンピュータプログラミングの学習と教育の分野での学習を支援するアプローチである。
論文 参考訳(メタデータ) (2021-05-19T06:26:30Z) - Functional neural network for decision processing, a racing network of
programmable neurons with fuzzy logic where the target operating model relies
on the network itself [1.1602089225841632]
本稿では,人間の意思決定過程をモデル化する関数型ニューラルネットワークである,人工知能の新しいモデルを提案する。
この機能的ニューラルネットワークは、意思決定の計算方法を変革する有望な可能性を秘めている、と私たちは信じています。
論文 参考訳(メタデータ) (2021-02-24T15:19:35Z) - BF++: a language for general-purpose program synthesis [0.483420384410068]
強化学習(RL)に基づく技術決定システムのほとんどの状態は、データ駆動型ブラックボックスニューラルモデルである。
我々は,部分可観測マルコフ決定過程におけるエージェントの自動プログラミング用に設計された新しいプログラミング言語bf++を提案する。
論文 参考訳(メタデータ) (2021-01-23T19:44:44Z) - Qualities, challenges and future of genetic algorithms: a literature
review [0.0]
遺伝的アルゴリズムは自然進化をシミュレートするコンピュータプログラムである。
ニューラルネットワークアーキテクチャ探索から戦略ゲームまで,さまざまな最適化問題の解決に使用されている。
GPU、並列コンピューティング、量子コンピューティングなどの最近の発展、強力なパラメータ制御法の概念、表現戦略における新しいアプローチは、それらの限界を克服するための鍵となるかもしれない。
論文 参考訳(メタデータ) (2020-11-05T17:53:33Z) - Neurocoder: Learning General-Purpose Computation Using Stored Neural
Programs [64.56890245622822]
ニューロコーダ(Neurocoder)は、汎用計算機の全く新しいクラスである。
共有可能なモジュール型プログラムのセットから関連するプログラムを構成することで、データ応答性のある方法で“コード”を行う。
モジュールプログラムを学習し、パターンシフトを厳しく処理し、新しいプログラムが学習されると、古いプログラムを記憶する新しい能力を示す。
論文 参考訳(メタデータ) (2020-09-24T01:39:16Z) - Uncertainty-based Modulation for Lifelong Learning [1.3334365645271111]
本稿では、Stephen Grossberg氏のAdaptive Resonance Theory(Adaptive Resonance Theory)提案に基づき、ヒト脳の神経調節機構にインスパイアされたアルゴリズムを提案する。
具体的には、不確実性の概念に基づいて構築され、継続的な学習を可能にするために一連の神経調節機構を使用している。
我々は,環境やエージェントの行動が学習過程を制約し,指導する閉ループ方式でこれらのシステムを開発する上で重要な役割を実証する。
論文 参考訳(メタデータ) (2020-01-27T14:34:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。