AbstractThis paper describes our ex

Abstract
This paper describes our experiments with autonomous
robots, in which we use neural networks to
generate and control stable gaits of simulated legged
robots into a physically based simulation environment.
In our approach, the gait is accomplished using an Elman
network trained using a gradient descend method,
more speci_cally, the RPROP algorithm, a improvement
of the traditional Back-propagation. The model validation
was performed by several experiments realized with
a simulated four legged robot using the ODE physical
simulation engine. The results showed that it is possible
to generate stable gaits using neural networks in an
ef_cient manner.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อเอกสารนี้อธิบายการทดลองของเรา มีอิสระหุ่นยนต์ การที่เราใช้เครือข่ายประสาทเพื่อสร้าง และขาควบคุม gaits เสถียรภาพของเลียนแบบหุ่นยนต์ในสภาพแวดล้อมจำลองตามร่างกายในวิธีการของเรา เดียวได้ใช้ Elman เป็นวิธี มาฝึกอบรมเครือข่ายโดยใช้การไล่ระดับสีเพิ่มเติม speci_cally อัลกอริทึม RPROP การปรับปรุงของดั้งเดิมกลับเผยแพร่ การตรวจสอบรูปแบบทำ โดยการทดลองต่าง ๆ ที่รับรู้ด้วยเลียนแบบสี่ขาเปลือยหุ่นยนต์ใช้จริง ODEโปรแกรมจำลองการ ผลลัพธ์ที่แสดงให้เห็นว่า เป็นไปได้เพื่อสร้างเสถียรภาพ gaits ใช้เครือข่ายประสาทในการef_cient วิธีการ

ผลลัพธ์ (ไทย) 3:

บทคัดย่อบทความนี้อธิบายถึงการทดลองของเรา

กับหุ่นยนต์อิสระ ซึ่งเราใช้เครือข่ายประสาทเพื่อสร้างและควบคุมที่มีเสถียรภาพ สามารถ

เป็นขาของหุ่นยนต์จำลองทางกายภาพ โดยการจำลองสภาพแวดล้อม .
ในแนวทางของเรา ก้าวเดินได้ การใช้เครือข่ายการฝึกอบรมโดยใช้ เ แมน

ไล่ระดับลงมา วิธีเพิ่มเติม speci_cally , rprop ขั้นตอนวิธีการปรับปรุง
จากแพร่กลับ แบบดั้งเดิม รูปแบบการตรวจสอบ
โดยใช้ต่างๆตระหนักกับ
จำลองหุ่นยนต์สี่ขา โดยใช้บทกวีทางกายภาพ
จำลองเครื่องยนต์ พบว่ามันเป็นไปได้ที่จะสร้างเสถียรภาพ
สามารถโดยใช้โครงข่ายประสาทเทียมใน

ef_cient ลักษณะ