Методи глибокого навчання нейронних мереж для аналізу та прогнозування динаміки ситуацій в імітаційних системах
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
У роботі досліджено застосування методів глибокого навчання для прогнозування руху хижака та побудови адаптивної стратегії уникнення у класичній системі predator-prey. На відміну від традиційних підходів, орієнтованих на оптимізацію дій хижака, запропонована модель побудована з перспективи жертви, метою якої є максимізація часу виживання та зниження ймовірності захоплення. Розроблено нейронну модель прогнозування майбутніх позицій хижака та інтегровано цю інформацію у політику ухилення. Проведено порівняння між базовою поведінкою жертви, яка тікає за простим евристичним правилом, та прогнозною політикою, що використовує модель майбутніх станів. Результати демонструють, що прогнозне ухилення суттєво збільшує тривалість виживання та зменшує частку успішних захоплень.
Опис
Ключові слова
глибоке навчання, прогнозування руху, predatorprey, уникнення, поведінкове моделювання
Бібліографічний опис
Шевчук, В. В. Методи глибокого навчання нейронних мереж для аналізу та прогнозування динаміки ситуацій в імітаційних системах / Шевчук В. В., Харченко К. В. // Системні науки та інформатика : збірка доповідей ІV науково-практичної конференції, [Київ], 1–5 грудня 2025 р. / Навчально-науковий Інститут прикладного системного аналізу КПІ ім. Ігоря Сікорського. – Київ, 2025. – С. 276-281.