Figure 6. Progress of the neural le

Figure 6. Progress of the neural learning
Observing the gait behavior of the robots trained using neural networks, they are much more stable and robust than the gait behavior when controlled directly by the half ellipse, because the neural network uses sensor information (bumpers) and have the capacity to generalize to non expected situations. The Figure 7 shows the gait control generated using locus based gait, and The Figure 8 shows the gait control generated using the neural network3 .
Figure 7. Half ellipse robot gait

ผลลัพธ์ (ไทย) 1:

รูปที่ 6 ความคืบหน้าของการเรียนรู้ประสาทสังเกตลักษณะการเดินของหุ่นยนต์ที่ผ่านการฝึกอบรมการใช้เครือข่ายประสาท จะมีเสถียรภาพมากขึ้น และแข็งแกร่งกว่าพฤติกรรมเดินเมื่อควบคุมโดยตรง โดยวงรีครึ่ง เนื่องจากเครือข่ายประสาทใช้เซ็นเซอร์ข้อมูล (กันชน) และมีความสามารถในการทั่วไปจะไม่คาดว่าสถานการณ์ รูปที่ 7 แสดงการควบคุมเดินโดยเดินตามโลกัสโพล และรูป 8 แสดงการควบคุมเดินโดย network3 ประสาทรูปที่ 7 วงรีครึ่งหุ่นยนต์เดิน

ผลลัพธ์ (ไทย) 2:

รูปที่ 6 ความคืบหน้าของการเรียนรู้ที่ประสาท
การสังเกตพฤติกรรมการเดินของหุ่นยนต์ที่ได้รับการฝึกฝนการใช้เครือข่ายประสาทพวกเขาจะมีเสถียรภาพมากขึ้นและมีประสิทธิภาพกว่าพฤติกรรมการเดินเมื่อควบคุมโดยตรงโดยครึ่งวงรีเพราะโครงข่ายประสาทเทียมใช้ข้อมูลเซ็นเซอร์ (กันชน) และ มีความสามารถที่จะพูดคุยกับสถานการณ์ที่ไม่คาดว่า รูปที่ 7 แสดงให้เห็นถึงการควบคุมการเดินสร้างขึ้นโดยใช้การเดินตามสถานที่และรูปที่ 8 แสดงให้เห็นถึงการควบคุมการเดินสร้างขึ้นโดยใช้ประสาท network3.
7. รูปครึ่งวงรีการเดินของหุ่นยนต์

ผลลัพธ์ (ไทย) 3:

รูปที่ 6 ความคืบหน้าของการเรียนรู้
ประสาทสังเกตพฤติกรรมการเดินของหุ่นยนต์ฝึกโดยใช้โครงข่ายประสาทเทียม พวกเขามีมากมีเสถียรภาพและแข็งแกร่งกว่าพฤติกรรมการเดิน เมื่อควบคุมโดยตรง โดยครึ่งวงรี เพราะโครงข่ายที่ใช้ข้อมูลที่เซ็นเซอร์ ( กันชน ) และมีความสามารถในการอนุมานไม่คาดว่าสถานการณ์รูปที่ 7 แสดงการสร้างการควบคุมการเดินการเดินตามความเชื่อ และรูปที่ 8 แสดงการควบคุมการเดินสร้างโดยใช้ network3 ประสาท .
รูปที่ 7 หุ่นยนต์เดินครึ่งวงรี