路径规划神经细胞自动机
通过使用基于神经细胞自动机 (NCA) 的超网络方法,我们可以在受到自组织系统和信息理论方法的启发下,以发育生物学为基础,生长出能够解决常见强化学习任务的神经网络,并探索了如何使用相同的方法来构建发育变形网络,以解决最初强化学习任务的变化版本。
Apr, 2022
神经元元胞自动机(NCA)结合了机器学习和机械建模的强大能力。我们通过对图像时间序列和 PDE 轨迹进行训练,使 NCA 学习复杂动态。我们的方法旨在识别支配大规模动态出现行为的潜在局部规则。我们将 NCA 扩展到在同一系统中捕捉瞬态和稳定结构,以及学习捕捉非线性偏微分方程(PDE)中图灵模式形成的规则。我们展示了 NCA 在 PDE 训练数据之外的广泛推广能力,演示了如何限制 NCA 以尊重给定的对称性,并探索了相关超参数对模型性能和稳定性的影响。能够学习任意动态使得 NCA 成为一种具有很大潜力的数据驱动的建模框架,尤其适用于生物模式形成建模。
Oct, 2023
我们研究了神经元元胞自动机(NCA)模型的架构与其所产生的动态图案之间的关系,并发现 NCA 输出的紧密度和比例性与架构的两个变量之间存在强相关性,因此我们提出了用于创建动态 NCA 的设计原则。
Apr, 2024
本文介绍了神经细胞自动机(NCAs)作为人工形态发生模型的发展,并展示了 NCAs 对于内部和外部信号的反应能力,能够通过内部信号生长出多种形态, 通过外部信号改变颜色,并为将动态行为嵌入 NCA 模型打下基础。
May, 2023
该研究采用品质多样化的方法生成多样性神经细胞自动机(NCA)集合来设计视频游戏关卡,使用协方差矩阵适应性 MAP-Elites (CMA-ME)训练生成器以高效生成 NCA,并将其应用于几种 2D 瓷砖风格的视频游戏中。
Sep, 2021
使用神经网络表示寻径问题并将路径的成本值转化为神经元的连接权重,结合网络学习机制,在线自适应更新权重以解决具有不同要求的任务。该算法复杂度与 Bellman Ford 算法相同,可用于寻找最优路径和路径增强。
Jan, 2022
本文利用深度学习和神经元元胞自动机,提出了一种可在硬件上成功应用的模块化 2D 机器人系统,该系统可以通过其组件的本地通信推断其自身的形状类别,实现了自分类的能力。
Mar, 2022
白细胞分类的新颖方法基于神经元细胞自动机 (NCA),在三个白细胞图像数据集上测试表明我们的方法在与常规方法的竞争性能方面取得了良好的结果,该架构天然可解释,提供了对每个分类决策过程的洞见,帮助专家理解和验证模型预测,结果表明 NCA 不仅可以用于图像分类,还能解决常规方法的关键挑战,显示高潜力可应用于临床实践。
Apr, 2024