Parametry konfiguracyjne sieci neuronowych, będących zarazem agentami - osobnikami zamieszkąjącymi środowisko, zawarte są w klasie  FeedForward (namespace Evolution.NeuralNet). Zawarte są w niej minimalne i maksymalne zakresy wartości (liczba neuronów w wartwie wejściowej i obu warstwach ukrytych, szybkość nauki itd).

 

Logika działania sieci neuronowej zaszyta jest w klasie MultiLayerNetwork (namespace Evolution.NeuralNet). Instancje tej klasy agregują w sobie neurony (w formie tablicy dwuwymiarowej, odzwierciedlającej warstwy i położenie neuronów w tych warstwach) W systemie EvNet klasa Neuron jest w zasadzie definicją struktury danych, służącą do przechowywania aktualnych parametrów (np. wag na wejściu) neuronu. Pozbawiona jest metod.

 

Sama funkcjonalność agenta zrealizowana jest poprzez klasy Agent / EvAgent / PredAgent.

 

Opis wybranych zagadnień

Opis wybranych zagadnień