Publication

Particle swarm optimization for unsupervised robotic learning

Alcherio Martinoli, James Pugh
2005
Article de conférence

Résumé

We explore using particle swarm optimization on problems with noisy performance evaluation, focusing on unsupervised robotic learning. We adapt a technique of overcoming noise used in genetic algorithms for use with particle swarm optimization, and evaluate the performance of both the original algorithmand the noise-resistantmethod for several numerical problems with added noise, as well as unsupervised learning of obstacle avoidance using one or more robots.

Source officielle

https://infoscience.epfl.ch/record/50239?ln=fr

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

Particle swarm optimization for unsupervised robotic learning

Graph Chatbot

Chattez avec Graph Search

Combining biophysical models and machine learning to optimize implant geometry and stimulation protocol for intraneural electrodes

Learning Dynamics of Spring-Mass Models with Physics-Informed Graph Neural Networks

A Noise-Resistant Mixed-Discrete Particle Swarm Optimization Algorithm for the Automatic Design of Robotic Controllers

A Noise-Resistant Mixed-Discrete Particle Swarm Optimization Algorithm for the Automatic Design of Robotic Controllers

Learning Dynamics of Spring-Mass Models with Physics-Informed Graph Neural Networks

Combining biophysical models and machine learning to optimize implant geometry and stimulation protocol for intraneural electrodes