Neuroevoluzione pratica con Python

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 7 voti.

Titolo originale:

Hands-On Neuroevolution with Python

Contenuto del libro:

Aumentare le prestazioni di varie architetture di reti neurali utilizzando NEAT, HyperNEAT, ES-HyperNEAT, Novelty Search, SAFE e la neuroevoluzione profonda Caratteristiche principali Implementare gli algoritmi di neuroevoluzione per migliorare le prestazioni delle architetture di reti neurali Comprendere gli algoritmi evolutivi e i metodi di neuroevoluzione con esempi reali Imparare i concetti essenziali di neuroevoluzione e come vengono utilizzati in domini quali i giochi, la robotica e le simulazioni Descrizione del libro

La neuroevoluzione è una forma di apprendimento dell'intelligenza artificiale che utilizza algoritmi evolutivi per semplificare il processo di risoluzione di compiti complessi in domini quali i giochi, la robotica e la simulazione di processi naturali. Questo libro offre una visione completa dei concetti essenziali della neuroevoluzione e fornisce le competenze necessarie per applicare gli algoritmi basati sulla neuroevoluzione alla risoluzione di problemi pratici e reali.

Inizierete con l'apprendimento dei concetti e dei metodi chiave della neuroevoluzione, scrivendo codice con Python. Si farà anche esperienza pratica con le più diffuse librerie Python e si tratteranno esempi di apprendimento classico per rinforzo, pianificazione del percorso per agenti autonomi e sviluppo di agenti per giocare autonomamente ai giochi Atari. Imparerete poi a risolvere le sfide più o meno comuni dell'informatica naturale utilizzando algoritmi basati sulla neuroevoluzione. In seguito, capirete come applicare le strategie di neuroevoluzione ai progetti di reti neurali esistenti per migliorare le prestazioni di addestramento e inferenza. Infine, si otterrà una chiara comprensione della topologia delle reti neurali e di come la neuroevoluzione permetta di sviluppare reti complesse, partendo da reti semplici.

Alla fine di questo libro, non solo avrete esplorato gli algoritmi esistenti basati sulla neuroevoluzione, ma avrete anche le competenze necessarie per applicarli nella vostra ricerca e nei vostri incarichi di lavoro. Cosa imparerete Scoprite gli algoritmi di neuroevoluzione più diffusi - NEAT, HyperNEAT e ES-HyperNEAT Esplorate come implementare algoritmi basati sulla neuroevoluzione in Python Imparate a utilizzare strumenti di visualizzazione avanzati per esaminare i grafici delle reti neurali evolute Capite come esaminare i risultati degli esperimenti e analizzare le prestazioni degli algoritmi Approfondite le tecniche di neuroevoluzione per migliorare le prestazioni dei metodi esistenti Applicate la neuroevoluzione profonda per sviluppare agenti per giocare ai giochi Atari A chi è rivolto questo libro

Questo libro si rivolge ai professionisti dell'apprendimento automatico, ai ricercatori di deep learning e agli appassionati di IA che desiderano implementare algoritmi di neuroevoluzione da zero. La conoscenza del linguaggio di programmazione Python e la conoscenza di base del deep learning e delle reti neurali sono obbligatorie. Indice Panoramica dei metodi di neuroevoluzione Librerie e ambiente Python Impostazione dell'uso di NEAT per l'ottimizzazione del solutore XOR Esperimenti di bilanciamento dei poli Navigazione autonoma in un labirinto Metodo di ottimizzazione della ricerca delle novità NEAT basato su ipercubo per la discriminazione visiva ES-HyperNEAT e il problema della retina Co-Evoluzione e metodo SAFE Neuroevoluzione profonda Migliori pratiche, suggerimenti e trucchi Osservazioni conclusive