C'est à vous de décider si ce fichier doit être mis en avant.
Fin du vote dans .
Oui !
Non
Résultat du vote :
Fin du vote dans . Il doit y avoir un minimum de 70% de votes positifs pour passer en sélection.
Genetic Cars est une petit simulation illustrant l'évolution des espèces.
Elle génère des véhicules à deux roues en deux dimensions possédant plusieurs gènes liés à leur forme, à la taille de leur roues, à la densité de leurs roues, etc. Ces gènes ont une certaines probabilité d'altération à chaque génération. Vous pouvez d'ailleurs modifier la probabilité et l'amplitude de ces altérations.
Les véhicules les plus performants ont une probabilité plus élevée de se reproduire. Les moins performants disparaissent, une probabilité moindre.
Haha, j'ai fait un exposé la dessus cette année.
Ce sont les algorithmes génétiques.
Le principe c'est d'appliquer la théorie de l'évolution pour faire apprendre une application. C'est utilisé pour l'IA entre autre.
L'objectif c'est de réaliser les étapes suivantes :
- Générer une population aléatoire
- Phase de sélection. On prend les meilleurs
- Reproduction
- Mutation aléatoire
On recommence les 3 dernières étapes encore et encore jusqu"à trouver la/les meilleurs solutions.
Ça apporte des solutions à des problèmes trop complexes/long à résoudre de façons différentes. Par contre cela peut demander énormément d'itération et une puissance de calcul énorme (en fonction du nombres de paramètres à prendre en compte).
C'est pour ça que c'est appliquée dans les fameux "Réseaux neuronaux".
J'aime bien l'idée d'appliquer des théories comme la théorie de l'évolution à un secteur comme l’informatique.
J'aime bien cette vidéo, un truc bizarre apprend à marcher (c'est fascinant et glauque en même temps) : https://www.you...h?v=xcIBoPuNIiw
J'étudie depuis un moment le deep learning, qui est encore plus impressionnant coté IA. Mais ça demande un apprentissage assez important.
C'est pour ça que j'ai toujours un faible pour les algorithmes génétiques qui ont un coté aléatoire, des fois très étonnant.
Garok Jeune lombric
Zgru En réponse à Garok La voix de son ver
Garok En réponse à Zgru Jeune lombric
Sebastian Jeune lombric
Ce sont les algorithmes génétiques.
Le principe c'est d'appliquer la théorie de l'évolution pour faire apprendre une application. C'est utilisé pour l'IA entre autre.
L'objectif c'est de réaliser les étapes suivantes :
- Générer une population aléatoire
- Phase de sélection. On prend les meilleurs
- Reproduction
- Mutation aléatoire
On recommence les 3 dernières étapes encore et encore jusqu"à trouver la/les meilleurs solutions.
Ça apporte des solutions à des problèmes trop complexes/long à résoudre de façons différentes. Par contre cela peut demander énormément d'itération et une puissance de calcul énorme (en fonction du nombres de paramètres à prendre en compte).
C'est pour ça que c'est appliquée dans les fameux "Réseaux neuronaux".
J'aime bien l'idée d'appliquer des théories comme la théorie de l'évolution à un secteur comme l’informatique.
J'aime bien cette vidéo, un truc bizarre apprend à marcher (c'est fascinant et glauque en même temps) : https://www.you...h?v=xcIBoPuNIiw
Snark En réponse à Sebastian LoMBriK addict !
C'est pour ça que j'ai toujours un faible pour les algorithmes génétiques qui ont un coté aléatoire, des fois très étonnant.
mojo LoMBriK addict !
krondor Vermisseau
Je ne suis pas sur de comprendre le but du calcule ni sa démonstration.
Perfo En réponse à krondor Vermisseau
Elmout Lombric honteux
TheMetroidPrime En réponse à Elmout Verxit
Creugneugleu En réponse à TheMetroidPrime Vermisseau
Actarus Vermisseau
Poilaupat Asticot