Exploring and Optimizing Dynamic Neural Fields Parameters Using Genetic Algorithms

Jean-Charles Quinton 1
1 CORTEX - Neuromimetic intelligence
INRIA Lorraine, LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Abstract : The Continuous Neural Field Theory introduces biologically-inspired competition mechanisms in computational models of perception and action. This paper deals with the use of Genetic Algorithms to optimize its parameters, as to guarantee the emergence of robust cognitive properties. Such properties include the tracking of initially salient stimuli despite strong noise and distracters. Interactions between the parameter values, input dynamics and accuracy of model, as well as their implications for Genetic Algorithms are discussed. The fitness function and set of scenarios used to evaluate the parameters through simulation must be carefully chosen. Experimental results reflect an ineluctable tradeoff between generality and performance.
Type de document :
Communication dans un congrès
IEEE World Congress on Computational Intelligence 2010 - WCCI 2010, Jul 2010, Barcelona, Spain. 2010
Liste complète des métadonnées

Littérature citée [11 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00488914
Contributeur : Jean-Charles Quinton <>
Soumis le : jeudi 3 juin 2010 - 13:56:12
Dernière modification le : jeudi 11 janvier 2018 - 06:19:48
Document(s) archivé(s) le : vendredi 17 septembre 2010 - 12:01:20

Fichier

ag_cnft_IEEE_Xplore_compatible...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00488914, version 1

Collections

Citation

Jean-Charles Quinton. Exploring and Optimizing Dynamic Neural Fields Parameters Using Genetic Algorithms. IEEE World Congress on Computational Intelligence 2010 - WCCI 2010, Jul 2010, Barcelona, Spain. 2010. 〈inria-00488914〉

Partager

Métriques

Consultations de la notice

203

Téléchargements de fichiers

103