Uso de Unidades de Memória em Redes Neurais Recorrentes para Acelerar a Otimização

Abstract

Neste trabalho foi realizado a modelagem e a proposta de uma unidade de memória para ser incorporada à estrutura de uma rede neural artificial recorrente. Esta estrutura foi utilizada para evoluir um programa que tem por objetivo representar a inteligência de um agente inteligente com capacidade de atuar em ambientes parcialmente observáveis. Esta proposta visa acelerar e melhorar a convergência das redes neurais recorrentes, quando aplicada aos ambientes parcialmente observáveis. O agente em questão foi aplicado a uma versão modificada do problema presa predador. Para tal realizou-se um estudo sobre agentes inteligentes, ambientes de tarefas, redes neurais recorrentes, estruturas de memórias, e algoritmos genéticos. Foi modelado e implementado uma unidade de memória para ser adicionada a estrutura de uma rede neural recorrente, bem como a modelagem e implementação de um framework de redes neurais e outro framework de algoritmo genético, o qual foi utilizado para evoluir o programa de inteligência através da rede neural. Por fim realizou-se uma análise de desempenho do modelo computacional com unidades de memória aplicado ao problema presa predador modificado e inferido o quão próximo, ou melhor foi o seu desempenho em relação à rede neural recorrente convencional. Através da análise dos resultados obtidos, pode se perceber que a unidade de memória proposta neste trabalho, adicionada à estrutura de uma rede neural recorrente, apresentou melhor desempenho e tempo de convergência, em relação à estrutura convencional, aumentando em média 1,55% o percentual de captura da presa.