تنظیم اولیه ی معماری یادگیری تقویتی فازی با استفاده از روش تکرار ارزش
Publish place: Journal of Fuzzy Systems and Applications، Vol: 6، Issue: 1
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 60
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFSA-6-1_005
تاریخ نمایه سازی: 4 مهر 1402
Abstract:
این پژوهش روشی جدید در استفاده از داده های تعاملی عامل و محیط برای تنظیم اولیه ی معماری یادگیری تقویتی فازی ارائه می دهد. کندی سرعت آموزش و نحوه ی تعیین مقدار توابع عضویت ورودی دو چالش مهم در معماری یادگیری تقویتی فازی هستند. تنظیم اولیه ی پارامترهای سیستم با استفاده از داده های تعاملی می تواند راهکار مناسبی برای رفع چالش های اشاره شده باشد. در این پژوهش ابتدا با تعامل عامل با محیط و جمع آوری داده آموزشی، ماتریس احتمال انتقال حالت-عمل به حالت بعدی و امید پاداش آنی حالت-عمل به حالت بعدی محاسبه می شود. با توجه به پیوسته بودن فضای مورد بررسی، جهت تولید دو ماتریس مذکور از خوشه بندی استفاده می شود. هر خوشه یک حالت از محیط لحاظ شده و بدین صورت یک تقریب احتمال گذر از یک خوشه به خوشه ی دیگر با توجه به داده ها تعیین می شود. سپس پارامترهای سیستم فازی با تعمیم روش تکرار ارزش برنامه سازی پویا برای فضای پیوسته تنظیم می گردد. نحوه ی استفاده از روش پیشنهادی با یک مثال به طور کامل شرح داده شده است. استفاده از این روش می تواند منجر به افزایش سرعت یادگیری و کمک در تنظیم توابع عضویت ورودی سیستم فازی گردد.
Keywords:
Authors
فرزانه نادی
دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران
ولی درهمی
دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران
فریناز اعلمی یان هرندی
دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :