استنتاج زبان با اتوماتای ​​چند سر از طریق یادگیری تقویتی

عنوان استنتاج زبان با اتوماتای ​​چند سر از طریق یادگیری تقویتی
نویسنده شکرچی، آلپر، کوکن، اوزلم صالحی
تاریخ انتشار: 2020
محل انتشار - IEEE
موضوع اتوماتای ​​محدود، یادگیری تقویتی، شبکه عصبی، یادگیری Q، الگوریتم ژنتیک
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-172816926-2
شماره ثبت e5584292-b830-456c-98b3-34a920f79db4
محل کتابخانه علوم کامپیوتر
تاریخ 2020
متن نمونه هدف این مقاله استفاده از یادگیری تقویتی برای مدل سازی عوامل یادگیری است که می توانند زبان های رسمی را تشخیص دهند. عوامل به صورت خودکار چند سر ساده مدل‌سازی می‌شوند، مدل جدیدی از خودکار محدود که از چندین سر استفاده می‌کند، و شش زبان مختلف به‌عنوان مسائل یادگیری تقویتی فرمول‌بندی می‌شوند. برای بهینه سازی از دو الگوریتم مختلف استفاده می شود. الگوریتم اول یادگیری Q است که واحدهای بازگشتی دردار را برای یادگیری سیاست‌های بهینه آموزش می‌دهد. الگوریتم دوم، الگوریتم ژنتیک است که با استفاده از عملیات الهام گرفته از تکامل، راه حل بهینه را جستجو می کند. نتایج نشان می‌دهد که الگوریتم ژنتیک به طور کلی بهتر از الگوریتم یادگیری Q عمل می‌کند، اما الگوریتم یادگیری Q برای زبان‌های معمولی سریع‌تر راه‌حل‌ها را پیدا می‌کند.
DOI 10.1109/IJCNN48605.2020.9207156
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

استنتاج زبان با اتوماتای ​​چند سر از طریق یادگیری تقویتی

نویسنده شکرچی، آلپر، کوکن، اوزلم صالحی
تاریخ انتشار 2020
محل انتشار - IEEE
موضوع اتوماتای ​​محدود، یادگیری تقویتی، شبکه عصبی، یادگیری Q، الگوریتم ژنتیک
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-172816926-2
شماره ثبت e5584292-b830-456c-98b3-34a920f79db4
محل کتابخانه علوم کامپیوتر
تاریخ 2020
متن نمونه هدف این مقاله استفاده از یادگیری تقویتی برای مدل سازی عوامل یادگیری است که می توانند زبان های رسمی را تشخیص دهند. عوامل به صورت خودکار چند سر ساده مدل‌سازی می‌شوند، مدل جدیدی از خودکار محدود که از چندین سر استفاده می‌کند، و شش زبان مختلف به‌عنوان مسائل یادگیری تقویتی فرمول‌بندی می‌شوند. برای بهینه سازی از دو الگوریتم مختلف استفاده می شود. الگوریتم اول یادگیری Q است که واحدهای بازگشتی دردار را برای یادگیری سیاست‌های بهینه آموزش می‌دهد. الگوریتم دوم، الگوریتم ژنتیک است که با استفاده از عملیات الهام گرفته از تکامل، راه حل بهینه را جستجو می کند. نتایج نشان می‌دهد که الگوریتم ژنتیک به طور کلی بهتر از الگوریتم یادگیری Q عمل می‌کند، اما الگوریتم یادگیری Q برای زبان‌های معمولی سریع‌تر راه‌حل‌ها را پیدا می‌کند.
DOI 10.1109/IJCNN48605.2020.9207156
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید