Dans RedBot (5 / 7 steg)
Steg 5: BPN (artificiell intelligens)
Förmågan hos den mänskliga hjärnan att tänka, minnas och lösa
problem har inspirerat många datavetare att modellera denna struktur med hjälp av maskin- och programvara. Som ett resultat, kan numera möter vi olika modeller av artificiella neurala nätverk som försöker efterlikna det biologiska beteendet av organiska nervceller.
En av dessa modeller är den tillbaka förökning nätverk (BPN) som är sammansatt av följande delar:
-Bearbetning enheter (artificiella neuroner)
-Inmatningslagret
-Dolda lager
-Utgående lager
-Lärande regler
Om vi vill hämta ett värde ett värde baserat på en särskild ingång finns en feed forward funktion som beräknar värdet för varje neuron som summan av alla ingångar till det enhet multiplicerat med länk vikten.
När BPN är utbildade, måste algoritmen ange ingångar och den förväntade produktionen så BPN erhåller ett fel. Med hjälp av partiell härledningar av det totala felet och värdet av varje länk justerar i BPN värdet av vikter på foder-bakåt sätt (var namnet kommer ifrån).
För detta projekt vi använde tre lager: 1 inmatningslagret innehållande 1024 enheter mappas från data vektor tas emot via telefonmikrofonen, 1 dolt lager 512 enheter och 1 utgång som representerar ett booleskt värde för flytta eller inte flytta.
Mer information om koden finns på denna databas: https://github.com/jocan3/RedBotDance