An Evolution of Cellular Automata Neural Systems using DNA Coding Method

DNA 코딩방법을 이용한 셀룰라 오토마타 신경망의 진화

Cellular Automata Neural Systems(CANS) are neural networks based on biological development and evolution. Each neuron of CANS has local connection and acts as a form of pulse according to the dynamics of the chaotic neuron. CANS are generated from initial cells according to the CA rule. In the previous study, to obtain the useful ability of CANS, we make the pattern of initial cells evolve. However, it is impossible to represent all solution space, so we propose an evolving method of CA rule to overcome this defect in this paper. DNA coding has the redundancy and overlapping of gene and is apt for the representation of the rule. In this paper, we show the general expression of CA rule and propose translation method from DNA code to CA rule. The effectiveness of the proposed scheme was verified by applying it to the navigation problem of autonomous mobile robot.

셀룰라 오토마타 신경망(CANS)은 생물학적 발생과 진화에 기반한 신경망 모델이다. CANS에서 각 뉴런은 상호간에 국소적인 연결을 갖고 있으며 카오스 뉴런 모델의 동작 방정식에 따라 펄스의 형태로 동작한다. 신경망은 초기 패턴을 셀룰라 오토마타(CA) 규칙에 따라 발생시켜 얻어진다. 기존의 연구에서는 유용한 기능을 얻기 위하여 초기패턴을 진화시켰다. 그러나 이 방법은 신경망의 표현공간을 모두 나타낼 수 없다. 따라서 본 논문에서는 신경망의 표현공간이 작아지는 문제점을 개선하기 위한 CA의 발생규칙을 진화시키는 방법을 제안한다. DNA 코딩은 코딩의 중복과 여분을 효과적으로 사용하며 규칙의 표현에 매우 적합하다. 본 논문에서는 CA 규칙의 일반적인 표현방법을 제시하고 DNA 코드를 CA 규칙으로 해석하는 방법을 제안한다. 제안된 방법은 자율이동로봇의 제어기에 사용하여 주행 문제에 적용함으로써 그 유효성을 확인하였다.