neuron network with genetic optimisation
SNN의 구조를 적용해, 모든 노드가 상호 가중치로 연결된 네트워크를 Python으로 구현했습니다. Leaky Integrate and Fire 모델을 사용했습니다.
가중치 행렬을 유전 알고리즘을 통해 학습합니다.
네트워크에 특정 자극을 가한 뒤 일정 시간 이내로 운동뉴런이 반응할 수 있도록 최적화합니다.
유전 알고리즘을 실행하는 데 필요한 함수와 학습 실행 코드가 있습니다. 실행 시 해당하는 파일을 이어서 학습하거나 새로 학습합니다.
학습시킨 가중치를 사용합니다. pygame으로 이루어져 있으며, 마우스를 클릭해 신경망에 자극을 주고, 반응을 관찰할 수 있습니다.
유튜브 영상 에서 실행 영상을 확인할 수 있습니다.
networkx를 이용해 각 뉴런 노드가 어느 정도의 강도로 연결되어 있는지 양방향 그래프로 나타냅니다. 가중치의 heatmap도 관찰할 수 있습니다.
ws_gen=118_i=16_s=4_m=4_98.npy는 한 세대 당 200개의 개체가 존재하며, 118세대 진화 결과 한 세대의 평균 정확도가 98% 이상인 가중치 행렬 데이터입니다.
시뮬레이션을 위해 playground.py에 사용된 ws_ext_gen=118_acc=98.npy는 위의 200개의 개체 중, 모든 자극에 대해서 올바르게 반응하는 가중치 행렬을 한 가지 선택한 것입니다.