بابک بادنوا - دانشجوی مقطع کارشناسی ارشد رشته هوش مصنوعی و رباتیکز دانشکده مهندسی کامپیوتر در دانشگاه علم و صنعت ایران
ناصر مزینی - دانشیار گروه هوش مصنوعی و رباتیکز دانشکده مهندسی کامپیوتر در دانشگاه علم و صنعت ایران

در بسیاری از وظایف محوله به یک عامل شباهتهایی موجود میباشد که عامل میتواند از این شباهتها استفاده نموده تا نیاز به یادگیری مجدد این مهارتها نداشته باشد، از طرفی دیگر عامل در فرآیند یادگیری یک وظیفه دانشی را نیز کسب مینماید که میتواند از آن در انجام وظایف دیگر استفاده نماید. در این مقاله ما به ارایه روشی برای آموزش یک نگاشت به عامل یادگیری تقویتی با استفاده از بازخوردهای محیطی میپردازیم و نشان خواهیم داد که با شکل دهی به تابع پاداش یک عامل یادگیر تقویتی میتوان به عامل، نگاشت از فضای حالتی به فضای حالت دیگر را آموزش داده و از این نتیجه نیز در انتقال یادگیری تقویتی استفاده نمود. پس از ارایه روش ما به پیادهسازی و آزمون روش ارایه شده بر روی بازیBreakout نمودهایم و مشاهده میکنیم که این عامل به خوبی توانسته است نگاشت اعمال یک عامل را آموزش ببیند

انتقال یادگیری، یادگیری تقویتی، نگاشت، شکل دهی تابع پاداش