详细内容或原文请订阅后点击阅览
使用神经网络学习随着身体变化而移动
洛桑联邦理工学院 (EPFL) 的一组科学家开发了一种新的神经网络系统，可以帮助了解动物如何根据自身身体的变化调整其动作，并创建更强大的人工智能系统。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）洛桑联邦理工学院 (EPFL) 的一组科学家开发了一种新的神经网络系统，可以帮助了解动物如何根据自身身体的变化调整其动作，并创建更强大的人工智能系统。
深度学习是从人工神经网络发展而来的，人工神经网络将简单的计算元素相互堆叠起来，以创建强大的学习系统。只要有足够的数据，这些系统就可以解决复杂的问题，例如识别物体、围棋打败人类以及控制机器人。 “正如你可以想象的那样，将这些元素堆叠在一起的架构会影响训练所需的数据量以及边际性能，”洛桑联邦理工学院 (EPFL) 的亚历山大·马西斯 (Alexander Mathis) 教授说道。
Mathis 与博士生 Alberto Chiappa 和 Alessandro Marin Vargas 一起开发了一种名为 DMAP（分布式形态注意力策略）的新网络架构。该架构结合了生物感觉运动控制的基本原理，使其成为研究感觉运动功能的有趣工具。
DMAP 试图解决的问题是动物和人类已经进化到适应环境和自身身体的变化。例如，孩子可能会在从婴儿期到成年期的体形和体重变化期间调整他或她有效行走的能力。在开发 DMAP 时，该团队重点研究动物如何随着身体长度和厚度的变化而学习行走。
“通常，强化学习使用所谓的完全连接的神经网络来教授运动技能，”Mathis 说，“强化学习是一种机器学习技术，可以“奖励”期望的行为和/或“惩罚”不良行为。
已发布