遺伝的アルゴリズムで最高にエッチな画像を作ろう！ https://t.co/44bmEwFWqI 0～10190世代目まで動画にした 進化の過程を見よ https://t.co/iq9HhNkFuh
群青ちきん @miseromisero エッチな画像が欲しかったので、遺伝的アルゴリズムでエッチな画像を生成するシステムを開発しました。サイトでみなさんの好みを送り続けると、だんだんとエッチな画像が表示されるようになるはずです。 エッチな画像を作るために、よければRT等お願いします。 gamingchahan.com/ecchi 2021-01-10 19:24:01
おわり 二つの画像のうち、どっちの方がエッチかを選んでください。 世代交代を経るごとに、だんだんとエッチな画像が表示されるようになるはずです。 Choose the lewder one, and you can make them more lewd. You will win when the AdSense on this site is stopped by Google because of "Sexually explicit content". ENGLISH よりエッチな画像を作るために、 ぜひ色んな人に広めてください。 ツイート ・展覧会ページでこれまでの画像を公開しています。 詳しい説明 スポンサーリンク みんなの好みを学習させて、「遺伝的アルゴリズム」によってエッチな画像を自動で作るためのシステムです。 遺伝的アルゴリズムとは、あるデータを目標に近づけるために使われる
目次 目次 はじめに 使い方の解説 creator.create()関数 適応度の定義 個体の定義 base.Toolbox.register()関数 遺伝子を作成する関数 個体を作成する関数 世代を作成する関数 目的関数 交叉関数 突然変異関数 選択関数 注意点 main関数内の処理 個体にnumpyのndarrayを使う場合 遺伝子が連続値の場合 変更点 実行結果 はじめに Pythonで遺伝的アルゴリズムのライブラリーが無いか検索してみたところ、どうもDEAPというライブラリーが良いらしいので使い方を調べてみることにしました。 ソースコードはGitHub上にあげられています。 PyPIにも登録されているので、pipでインストールできます。 pip install -U deap DEAPは遺伝的アルゴリズムだけでなく、他にも色々な進化的計算のアルゴリズムが実装されているみたいです。
NeuroEvolutionモデル 〜 深層学習 の ネットワーク構成 と 隠れ層のパラメータ を 環境の変化 に 適応させながら、「進化論的」に世代を繰り返して、動的 に 修正進化するモデル １. 今回 見つけたもの NeuroEvolution: Evolutionary Artificial Neural Network, EANN ＝ 「ニューラルネットワーク」or 「深層ニューラルネットワーク」 × 「遺伝的進化計算アルゴリズム」 Wikipedia NeuroEvolution Neuroevolution または Neuro-evolution は人工ニューラルネットワークの学習に遺伝的アルゴリズムを用いる機械学習の手法である。 ネットワークの性能を測るのが容易であるが、教師あり学習を用いて正しい入力と出力の対の概要を作るのが困難または不可能であるゲームやロボットのモーター制
どうも、オリィ研究所（http://orylab.com/） の ryo_grid こと神林です。 今回は以前試してなかなかうまくいかなかったOpen AI Gymの二足歩行ロボの強化学習へ再チャレンジした話と、その中で知ったNEAT(NeuroEvolution of Augmenting Topologies)という手法について書きたいと思います。 前回のお話 DQN(Deep Q-learning Network)という、強化学習の手法を使って二足歩行ロボを歩かせようとしました。 結果として、学習自体は成されましたが、まともに歩くというところまではいくことができませんでした。 PythonでAIシミュレーションプラットフォームOpen AI Gym を利用して遊ぶ (DQN編) 再チャレンジ どうにか歩かせることができないかとネットの海をさまよっていたところ、stefanopalmi
本書は、人工知能の技術の1つである遺伝的アルゴリズムを用いて、「ナンバーエリア」または「四角に切れ」と呼ばれる、数字だけではなく長方形という図形的な要素が入ったパズルの問題の自動生成について説明します。 理論の説明は最小限にし、実装を詳細に説明。後半ではパズル作家が問題を作る際に考慮するような、パズル問題として差をつける特長をプログラムに組み込むことも説明します。本書でナンバーエリアに挑戦することで、さまざまなパズル生成への応用力が身につき、パズル以外への適用も可能になるでしょう。 なお、本書はEbook版のみの販売です。 まえがき はじめに 本書の表記 サンプルコードの使用について 意見と質問 導入部 遺伝的アルゴリズムとは 巡回セールスマン問題への適応例 1章 遺伝的アルゴリズムとは 最適化問題 遺伝的アルゴリズム 2章 巡回セールス問題への適用 巡回セールスマン問題 GUIプログラム
by fdecomite 複数の個体の中から、適応度の高い個体を優先的に選んで組み換え・突然変異などを繰り返し、解を探索していく「遺伝的アルゴリズム」がどういう仕組みなのか、2分で説明したムービーがYouTubeで公開されています。 Two Minute Papers - How Do Genetic Algorithms Work? - YouTube これは、物事を2分間で説明する「Two MinutePapers」というYouTubeのムービーシリーズの1本で、Károly Zsolnai-Fehérさんが作ったもの。 ムービーの中でわかりやすい事例としてあげられているのは、「できるだけ既定のコースを進める車を自動で生み出す」という目的を遺伝的アルゴリズムでやってみるというBoxCar2D。 三角形といくつかのタイヤをつけた「車」をコンピューターが生成、できるだけ先へ進むことを目指し
base_domain = MODE.get('production') url_base = 'https://{}/v1/candles?'.format(base_domain) url = url_base + 'instrument={}&'.format(currency_pair.name) + \ 'count=5000&' +\ 'candleFormat=midpoint&' +\ 'granularity={}&'.format(granularity.name) +\ 'dailyAlignment=0&' +\ 'alignmentTimezone=Asia%2FTokyo&' +\ 'start={}T00%3A00%3A00Z'.format(start) response = requests_api(url) def requests_api(url, p
トップページ→研究分野と周辺→進化型計算→ 遺伝的アルゴリズム（Genetic Algorithms:GA）は、生物界の進化の仕組みを模倣する解探索手法として、1975年にミシガン大学のJohn Hollandが提案した。解の探索を原則「偶然の変化」と「たまたま良く出来たものの採用」で行なうため、当初は「こんな偶然に頼る出鱈目な方法がアルゴリズム（計算手順）と言えるのか？」と厳しい批判にさらされたと言われる。 しかし、Holland一派の考えは間違っていなかった。1990年代に入るとGAは人工知能の主要分野に躍り出て、世界中で研究が行なわれるようになった。背景にはコンピュータの計算速度の飛躍的向上がある。生物の進化と同様、GAの進化には非常に多くの繰返しが必要な事を、批判していた人達は気付かなかったのである。 遺伝的アルゴリズムのソース・コード（プログラム）の一例 単純GAの処理の流れ 最
DEAP概要 Pythonで使える遺伝的アルゴリズムライブラリDeapを紹介したいと思います。 Pythonの遺伝的アルゴリズムライブラリは他にもPyevolveというのがあるのですが、Deapの方が開発が盛んらしいので、こちらを使ってみたいと思います。 以下がDeapで使用できる主なアルゴリズムおよび機能です。 GA 遺伝的アルゴリズム GP 遺伝的プログラミング ES 進化戦略(CMA-ESなど) 多目的最適化(NSGA-II, SPEA-II) Co-evolution 並列化 個体の中の優等生の保持 定期的なチェックポイント ベンチマーク 進化の系図 Particle Swarm Optimization, Differential Evolution, Estimation of Distribution Algorithm Example 今回はGAのExampleを解説してい
ダンジョンに出会いを求めるのは間違っているだろうか 第1話「冒険者（ベル・クラネル）」 [アニメ] 迷宮都市オラリオ。その都市の象徴ともいうべき『ダンジョン』にこだまする魔獣の咆哮――新米冒険者...
NTTは、現在の4K映像の圧縮と伝送に用いられている動画の符号化技術「H.265/HEVC」の“次々世代”という符号化技術を開発中だ。 同社の言う“次々世代”は、まだ実用段階にはない将来技術、という意味である。ただし、一度実用化されれば、“最後の符号化技術”になる可能性がある。理由は、人工知能の一種を用いることで符号化のアルゴリズムが勝手に進化し、自ら符号化性能を高めていくからである。 今回、符号化技術に用いている人工知能は、「進化的（または遺伝的）プログラミング（GP）」と呼ばれる技術である（図1）。GPを用いた動画符号化技術では、生物の進化のプロセスを模倣して、次第に圧縮率を向上させる。具体的には、遺伝子の突然変異による組み換えと環境適合性の結果としての自然淘汰を、乱数による関数や論理演算のランダムな組み換えと、圧縮率の向上に置き換える。関数などのランダムな組み換えで、結果として圧縮率
課題のために遺伝的アルゴリズムを使う必要があったので，Pythonで遺伝的アルゴリズムを動かすことのできるライブラリPyevolveを試してみた． 始めの一歩 動かし方はとてもシンプルなので，公式ドキュメントのGet Startedをざっと見たあとにExampleでどういう使い方ができるのかを個別に見ていけばいいと思う． Get Started - Tutorial — Pyevolve v0.5 documentation Examples — Pyevolve v0.5 documentation 日本語資料なら，自分が確認した限りでは以下のサイトが一番詳しい． Pyevolveで学ぶ遺伝的アルゴリズム - mfumiの日記 Pyevolveの基本的な使い方 ゲノムインスタンスの生成 ゲノムの構造はバイナリや1次元配列，2次元配列，木構造などを取ることができ，初期値が取りうる値の幅など
遺伝的アルゴリズムとか物理エンジンとかが凄いわたし、プログラムとか、ロボットとかよくわかりませんが、遺伝的アルゴリズムとか、物理エンジンとかが凄いです。 「こんなロボットが株や日経２２５先物の世界でも使われていたら怖い」 と思わされる動画を見つけました。 とりあえず、単純に面白いので、見てください。 遺伝的アルゴリズムでコンピューターにスーパーマリオの操作方法を学習させ、完璧な操作方法を見つけ出す実験をやっています。 相場物理エンジンなんてのも密かに開発されてそうですね。 コンピューターが学習して最適な行動を選択できるようになるのが見て取れます。 １つめのスーパーマリオの動画では、 無限にある操作パターンの中から、限られたテスト回数の中でたまたまうまくいったものを２つ選び、交配させて両方の特徴を併せ持つ子パターンを２つ作る。 それを延々と繰り返し、最終的に最強に近いパターンを見つけ出す。
イザナミなどシストレツールでルールを日々開発しているとそのうち、 自動で最適なパラメータを探しせないかなと思ってきます。 ざっとルールを考えて、細かいパラメータ調整はPCに自動でやらせて あとは寝て待つだけみたいな感じです。 しかし、これよく計算してみるととんでもない時間がかかります。 例えばゴールデンクロスの組み合わせを考えてみますね。 ゴールデンクロスとは移動平均線の交差をきっかけに売買することです。 25日線と75日線なんてのがよく使われます。 この1つ目の線と2つ目の線の計測期間（25と75の部分）の組み合わせで最適なものを探そうとおもって以下のように考えてみます。 例えば 1つ目の線は2～25日の範囲で探す、となると24通り 2つ目の線を50～120日の範囲で探す、となると70通り 全てしらみ潰しやっていくと24ｘ70通りで1680通りの組み合わせです。 1回3分でバックテストが
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く