Evolving principes of artificial neural design

Created by W.Langdon from gp-bibliography.bib Revision:1.7642

@PhdThesis{wilson:tel-02930188,

• author = "Dennis G. Wilson",
• title = "Evolving principes of artificial neural design",
• titletranslation = "Evolution des principes de la conception des reseaux de neurones artificiels",
• school = "Universite Paul Sabatier - Toulouse III",
• year = "2019",
• month = Mar,
• address = "France",
• month = feb # " 28",
• keywords = "genetic algorithms, genetic programming, positional cartesian genetic programming, ANN, neural networks, deep learning, evolutionary algorithms, machine learning, artificial intelligence, reseaux de neurones, apprentissage profond, algorithmes evolutionnaires, programmation genetique, apprentissage automatique, intelligence artificielle",
• number = "2019TOU30075",
• hal_id = "tel-02930188",
• hal_version = "v1",
• ISSN = "02930188",
• annote = "Real Expression Artificial Life (IRIT-REVA) ; Institut de recherche en informatique de Toulouse (IRIT) ; Universite Toulouse 1 Capitole (UT1) ; Universite Federale Toulouse Midi-Pyrenees-Universite Federale Toulouse Midi-Pyrenees-Universite Toulouse - Jean Jaures (UT2J)-Universite Toulouse III - Paul Sabatier (UT3) ; Universite Federale Toulouse Midi-Pyrenees-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP) ; Universite Federale Toulouse Midi-Pyrenees-Universite Toulouse 1 Capitole (UT1) ; Universite Federale Toulouse Midi-Pyrenees-Universite Federale Toulouse Midi-Pyrenees-Universite Toulouse - Jean Jaures (UT2J)-Universite Toulouse III - Paul Sabatier (UT3) ; Universite Federale Toulouse Midi-Pyrenees-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP) ; Universite Federale Toulouse Midi-Pyrenees; Universite Paul Sabatier - Toulouse III",
• bibsource = "OAI-PMH server at api.archives-ouvertes.fr",
• contributor = "Real Expression Artificial Life and Herve Luga and Sylvain Cussat-Blanc",
• identifier = "NNT: 2019TOU30075; tel-02930188",
• language = "en",
• oai = "oai:HAL:tel-02930188v1",
• rights = "info:eu-repo/semantics/OpenAccess",
• URL = "https://tel.archives-ouvertes.fr/tel-02930188",
• URL = "https://tel.archives-ouvertes.fr/tel-02930188/document",
• URL = "https://tel.archives-ouvertes.fr/tel-02930188/file/2019TOU30075b.pdf",
• size = "176 pages",
• abstract = "The biological brain is an ensemble of individual components which have evolved over millions of years. Neurons and other cells interact in a complex network from which intelligence emerges. Many of the neural designs found in the biological brain have been used in computational models to power artificial intelligence, with modern deep neural networks spurring a revolution in computer vision, machine translation, natural language processing, and many more domains. However, artificial neural networks are based on only a small subset of biological functionality of the brain, and often focus on global, homogeneous changes to a system that is complex and locally heterogeneous. In this work, we examine the biological brain, from single neurons to networks capable of learning. We examine individually the neural cell, the formation of connections between cells, and how a network learns over time. For each component, we use artificial evolution to find the principles of neural design that are optimised for artificial neural networks. We then propose a functional model of the brain which can be used to further study select components of the brain, with all functions designed for automatic optimisation such as evolution. Our goal, ultimately, is to improve the performance of artificial neural networks through inspiration from modern neuroscience. However, through evaluating the biological brain in the context of an artificial agent, we hope to also provide models of the brain which can serve biologists.",
• resume = "; Le cerveau biologique est compose d'un ensemble d'elements qui evoluent depuis des millions d'annees. Les neurones et autres cellules forment un reseau complexe d'interactions duquel emerge l'intelligence. Bon nombre de concepts neuronaux provenant de l{'}etude du cerveau biologique ont ete utilises dans des modeles informatiques pour developper les algorithmes d{'}intelligence artificielle. C'est particulierement le cas des reseaux neuronaux profonds modernes qui revolutionnent actuellement de nombreux domaines de recherche en informatique tel que la vision par ordinateur, la traduction automatique, le traitement du langage naturel et bien d'autres. Cependant, les reseaux de neurones artificiels ne sont bases que sur un petit sous-ensemble de fonctionnalites biologiques du cerveau. Ils se concentrent souvent sur les fonctions globales, homogenes et a un systeme complexe et localement heterogene. Dans cette these, nous avons d'examiner le cerveau biologique, des neurones simples aux reseaux capables d'apprendre. Nous avons examine individuellement la cellule neuronale, la formation des connexions entre les cellules et comment un reseau apprend au fil du temps. Pour chaque composant, nous avons utilise l'evolution artificielle pour trouver les principes de conception neuronale qui nous avons optimises pour les reseaux neuronaux artificiels. Nous proposons aussi un modele fonctionnel du cerveau qui peut etre utilise pour etudier plus en profondeur certains composants du cerveau, incluant toutes les fonctions concues pour l'optimisation automatique telles que l'evolution. Notre objectif est d'ameliorer la performance des reseaux de neurones artificiels par les moyens inspires des neurosciences modernes. Cependant, en evaluant les effets biologiques dans le contexte d'un agent virtuel, nous esperons egalement fournir des modeles de cerveau utiles aux biologistes.",
• notes = "In english",

}

Genetic Programming entries for Dennis G Wilson

Citations