仮想動物 – ウィキペディア

探索的タッチシミュレーションの視覚化

仮想ワームの編み物リーダーのシステムの例を使用して、フラクタル神経突起成長のモデルの実装

「テイスティングアニマル」のコネクショニストネットワーク構造

仮想動物 （VT）は、人工生物環境でシミュレートされたマルチエージェントシステムです。彼らは、神経生物学的基礎に基づいて緊急特性を調査するのに役立ちます。

実験は初期の状況として機能し、そのために根本的な内なるモデル（作業理論）が存在し、調査の対象の動作を十分に説明します。たとえば、これはクラゲの移動メカニズムや、光/タッチ/振動イベントを統合するためのニューロンモデルの仮説になる可能性があります。
なれ。特に、実験で直接アクセスできないパラメーターを使用しないモデルが適しています。

VTには対応するものがあります 仮想環境 作成した、
必須モデルパラメーターを実装しました。
仮想実験では、環境パラメーターを自由に選択できるようになりました。 積極的な仮想動物 実験に応じて、他の仮想動物とも異なり、それ自体と環境と相互作用します。

対応する実際の実験と比較して、 基礎となるモデルの品質 「通常の操作」に基づいて確認できます。さらに、実際の実験では不可能な国境地域での行動も研究されます（実用的または倫理的に許容できない状況下でのみ）。仮想動物に実際の対応物も示す緊急特性がある場合、モデルの品質基準を考慮することができます。

人工生命は、純粋にアルゴリズム的に生物学的および社会的プロセス（たとえば、アリを介した作用問題の問題の解決策）も計算しますが、仮想動物はコネクティストニューロンネットワークに基づいています。古典的な連想ネットワークアーキテクチャに加えて、報酬と罰を通じて学習することに加えて、必要に応じて階層的な神経概念の形成を使用する場合があります。

仮想動物は方向付けられています。特定の目的（食品検索や脱出行動など）の観点からのパフォーマンスによってのみ分析されるのではなく、誤った関連性もあります。ニューロンの部分的死のシミュレーションなど、既存のネットワーク構造の最小限の変化は、予期しない統計的特性を引き起こす可能性があります。ネットワーク構造の設計は指定されていません。使用されるニューロンモデルは理想的には生物学であり、学習の学習、自己組織化マップ、または構造的可塑性などのローカルルールで動作します。

進化の発達に関して、神経系は最初は生存のために機能する非常に単純で反射のような機能を実行します。神経系の脳の増加とゼファリゼーションにより、神経内表現はより複雑になり、異なる環境と生態系に対するより柔軟な適応（選択圧力）を可能にします。フェロモン指向のアリ、シロアリ、アプリシア、ワーム、軟体動物、その他のエバーテブレート、およびシンプルです
脊椎動物。具体的な実装は、多くの場合、抽象的であり、食品の検索、単純な分類、探索、社会的行動など、より一般的な問題をシミュレートします。