噪声与动态环境中的新颖性组织分类器团队
人工智能
2018-09-20 v1 机器学习
多智能体系统
神经与进化计算
系统与控制
摘要
在现实世界中，环境在噪声作用下随输入变量不断变化。然而，很少有算法被证明能够在此类情况下工作。此处，新颖性组织分类器团队（NOTC）被应用于连续动作山地车及其两种变体：噪声山地车和不稳定天气山地车。这些问题分别考虑了噪声和问题动力学变化。此外，在这些问题上将NOTC与增强拓扑的神经进化（NEAT）进行比较，揭示了两种方法之间的权衡。虽然NOTC在所有问题中均取得最佳性能，但NEAT需要更少的试验次数即可收敛。研究表明，NOTC因对输入空间进行划分（从而生成更简单的问题）而取得更好性能。遗憾的是，这种输入空间划分也需要一定时间来完成引导。
引用
@article{arxiv.1809.07098,
title = {Novelty-organizing team of classifiers in noisy and dynamic environments},
author = {Danilo Vasconcellos Vargas and Hirotaka Takano and Junichi Murata},
journal= {arXiv preprint arXiv:1809.07098},
year = {2018}
}