عنوان
كشف و بهره برداري از مهارت هاي غير وابسته به وضعيت محيط در يادگيري تقويتي سلسله مراتبي
نويسنده اصلي
سيد اميد داودي
مقطع تحصيلي
كارشناسي ارشد
چكيده
يادگيري تقويتي سلسله مراتبي نوعي يادگيري تقويتي است كه براي مقابله با نفرين ابعاد و افزايش سرعت يادگيري استفاده مي‌شود. در يادگيري تقويتي سلسله مراتبي، سطوح انتزاع زماني يا فضايي در مسئله تعريف شده و عامل با استفاده از اين سطوح انتزاع، كه به آن‌ها مهارت نيز گفته مي‌شود، سعي در حل مسئله خواهد داشت.
عمده روش‌هاي ارائه شده براي يادگيري تقويتي سلسله مراتبي در صدد كشف اهداف مياني مناسب هستند به طوري كه بتوان مهارت‌هايي سطح بالا براي رسيدن به اين اهداف مياني تعريف نمود. اين رويكرد، تنها بخشي از مجموعه سطوح انتزاع ممكن براي يادگيري تقويتي سلسله مراتبي را در بر مي‌گيرد. به طور مشخص، گروهي از سطوح انتزاع زماني احتمالي كه هيچ ارتباطي با وضعيت محيط ندارند در قالب روش‌هاي مرسوم يادگيري تقويتي سلسله مراتبي قابل مدل‌سازي نمي‌گنجند.
در اين پژوهش روشي براي تعريف، استفاده و كشف خودكار مهارت‌هاي غير وابسته به وضعيت محيط در مسائل چندهدفه در يادگيري تقويتي سلسله مراتبي ارائه شده است. آزمايش‌هاي انجام شده بر روي چندين محيط يادگيري تقويتي، نشان مي‌دهد كه سطوح انتزاع زماني غير وابسته به وضعيت محيط با اعمال تغييرات اندك بر روي مسئله مي‌توانند در تسريع سرعت يادگيري تقويتي مؤثر باشند.
شماره ركورد
192847
دانشگاه
دانشگاه علم و صنعت ايران
رشته تحصيلي
هوش مصنوعي و رباتيكز
استاد راهنما
دكتر ناصر مزيني