Neuroévolution pratique avec Python

Avis des lecteurs

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 7 votes.

Titre original :

Hands-On Neuroevolution with Python

Contenu du livre :

Augmenter les performances de diverses architectures de réseaux neuronaux en utilisant NEAT, HyperNEAT, ES-HyperNEAT, Novelty Search, SAFE et la neuroévolution profonde Caractéristiques principales Mettre en œuvre des algorithmes de neuroévolution pour améliorer les performances des architectures de réseaux neuronaux Comprendre les algorithmes évolutionnaires et les méthodes de neuroévolution à l'aide d'exemples réels Apprendre les concepts essentiels de la neuroévolution et la façon dont ils sont utilisés dans des domaines tels que les jeux, la robotique et les simulations Description du livre

La neuroévolution est une forme d'apprentissage de l'intelligence artificielle qui utilise des algorithmes évolutionnaires pour simplifier le processus de résolution de tâches complexes dans des domaines tels que les jeux, la robotique et la simulation de processus naturels. Ce livre vous donnera un aperçu complet des concepts essentiels de la neuroévolution et vous dotera des compétences nécessaires pour appliquer des algorithmes basés sur la neuroévolution afin de résoudre des problèmes pratiques du monde réel.

Vous commencerez par apprendre les concepts et méthodes clés de la neuroévolution en écrivant du code avec Python. Vous aurez également une expérience pratique avec des bibliothèques Python populaires et couvrirez des exemples d'apprentissage par renforcement classique, de planification de chemin pour des agents autonomes, et de développement d'agents pour jouer de manière autonome à des jeux Atari. Ensuite, vous apprendrez à résoudre les défis courants et moins courants de l'informatique naturelle à l'aide d'algorithmes basés sur la neuroévolution. Ensuite, vous comprendrez comment appliquer les stratégies de neuroévolution aux réseaux neuronaux existants afin d'améliorer les performances d'apprentissage et d'inférence. Enfin, vous aurez un aperçu clair de la topologie des réseaux neuronaux et de la manière dont la neuroévolution vous permet de développer des réseaux complexes en commençant par des réseaux simples.

À la fin de ce livre, vous aurez non seulement exploré les algorithmes existants basés sur la neuroévolution, mais vous aurez aussi les compétences nécessaires pour les appliquer dans vos recherches et vos travaux. Ce que vous apprendrez Découvrir les algorithmes de neuroévolution les plus populaires - NEAT, HyperNEAT et ES-HyperNEAT Explorer comment mettre en œuvre des algorithmes basés sur la neuroévolution en Python Se familiariser avec des outils de visualisation avancés pour examiner les graphes de réseaux neuronaux évolués Comprendre comment examiner les résultats des expériences et analyser les performances des algorithmes Approfondir les techniques de neuroévolution pour améliorer les performances des méthodes existantes Appliquer la neuroévolution profonde pour développer des agents pour jouer à des jeux Atari À qui ce livre s'adresse-t-il ?

Ce livre s'adresse aux praticiens de l'apprentissage automatique, aux chercheurs en apprentissage profond et aux passionnés d'IA qui cherchent à mettre en œuvre des algorithmes de neuroévolution à partir de zéro. Une connaissance pratique du langage de programmation Python et des connaissances de base sur l'apprentissage profond et les réseaux neuronaux sont obligatoires. Table des matières Aperçu des méthodes de neuroévolution Configuration des bibliothèques et de l'environnement Python Utilisation de NEAT pour l'optimisation du solveur XOR Expériences d'équilibrage des pôles Navigation autonome dans le labyrinthe Méthode d'optimisation de la recherche de nouveautés NEAT basée sur les hypercubes pour la discrimination visuelle ES-HyperNEAT et le problème de la rétine Coévolution et la méthode SAFE Neuroévolution profonde Meilleures pratiques, conseils et astuces Remarques finales

Autres informations sur le livre :

• ISBN : 9781838824914
• Auteur : Iaroslav Omelianenko
• Éditeur : Packt Pub
• Langue : anglais
• Reliure : Broché