Modelos neurais em ambientes virtuais
Este projeto investiga a modelagem de redes neurais justapondo diferentes redes neurais no contexto de modelagem de comportamento e aprendizagem por reforço. Aproveitando diversas arquiteturas neurais, incluindo redes densamente conectadas, recorrentes (RNN) e convolucionais (CNN), seus parâmetros e desempenhos são analisados dentro do “jogo da cobra”. Os experimentos apontam maior consumo computacional, maior dificuldade de ajuste de parâmetros, mas maior estabilidade em algumas métricas dos modelos mais detalhados biologicamente, como redes pulsadas e máquinas de estado líquido, revelando uma dinâmica contrastante com o treinamento de redes neurais mais conhecidas como RNN e CNN. Em comparação, esses modelos obtiveram desempenho satisfatório nas tarefas, obtendo pontuações elevadas e produzindo estratégias equilibradas de comportamentos conservadores e exploradores. Concluiu-se que a análise comparativa aprofunda a forma de verificação e compreensão do treinamento de redes neurais, complementando as análises de métricas realizadas para avaliação de redes neurais artificiais, como a perda total ou entropia.