شبکه‌های حالت پژواک مبتنی بر زمینه برای حرکت ربات‌های اولیه

عنوان شبکه‌های حالت پژواک مبتنی بر زمینه برای حرکت ربات‌های اولیه
نویسنده امیرشیرزاد، نگین، اسدا، م.، اوزتوپ، ارهان
تاریخ انتشار: 2023
محل انتشار - IEEE
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 979-8-3503-3670-2
شماره ثبت 09c604c9-723d-4fc3-ab27-58a3dcb54d7a
محل کتابخانه علوم کامپیوتر
تاریخ 2023
یادداشت‌ها سازمان توسعه انرژی های نو و فناوری های صنعتی (NEDO) ; آژانس علم و فناوری ژاپن (JST) ; تحقیقات اصلی برای علوم و فناوری تکاملی (CREST)
متن نمونه محاسبات مخزن، به‌ویژه شبکه‌های Echo State (ESN) راه‌حلی سبک برای نمایش و پیش‌بینی سری‌های زمانی ارائه می‌دهند. یک ESN بر اساس یک سیستم دینامیکی تصادفی زمان گسسته است که برای خروجی یک سری زمانی مورد نظر با استفاده از بردار وزن بازخوانی خطی آموخته شده استفاده می‌شود. سادگی یادگیری نشان می دهد که یک ESN می تواند به عنوان یک جایگزین سبک وزن برای نمایش اولیه حرکت در رباتیک استفاده شود. در این مطالعه، ما این امکان را بررسی می‌کنیم و شبکه‌های Echo State مبتنی بر زمینه (CESN) را توسعه می‌دهیم و کاربرد آن‌ها را برای تولید حرکت ربات نشان می‌دهیم. CESN ها برای ایجاد مسیرهای مشترک یا دکارتی بر اساس ورودی زمینه قابل تعریف توسط کاربر طراحی شده اند. زمینه دینامیک ارائه شده توسط ESN درگیر را تعدیل می کند. سپس وزن‌های خواندنی خطی می‌توانند دینامیک وابسته به زمینه را برای ایجاد الگوهای حرکتی مختلف برای زمینه‌های مختلف انتخاب کنند. برای دستیابی به اجرای حرکت قوی و تعمیم در زمینه های نادیده، ما یک مکانیسم جدید افزایش داده را برای آموزش ESN معرفی می کنیم. ما اثربخشی رویکرد خود را در یادگیری از محیط نمایشی نشان می‌دهیم. برای دقیق بودن، ما به ربات وظایف رسیدن و اجتناب از موانع را در شبیه‌سازی و در دنیای واقعی آموزش می‌دهیم، که نشان می‌دهد سیستم توسعه‌یافته، CESN یک سیستم نمایش اولیه حرکت سبک را ارائه می‌کند که اجرای کار قوی را با قابلیت تعمیم برای زمینه‌های دیده نشده، از جمله موارد برون‌یابی، تسهیل می‌کند.
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

شبکه‌های حالت پژواک مبتنی بر زمینه برای حرکت ربات‌های اولیه

نویسنده امیرشیرزاد، نگین، اسدا، م.، اوزتوپ، ارهان
تاریخ انتشار 2023
محل انتشار - IEEE
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 979-8-3503-3670-2
شماره ثبت 09c604c9-723d-4fc3-ab27-58a3dcb54d7a
محل کتابخانه علوم کامپیوتر
تاریخ 2023
یادداشت‌ها سازمان توسعه انرژی های نو و فناوری های صنعتی (NEDO) ; آژانس علم و فناوری ژاپن (JST) ; تحقیقات اصلی برای علوم و فناوری تکاملی (CREST)
متن نمونه محاسبات مخزن، به‌ویژه شبکه‌های Echo State (ESN) راه‌حلی سبک برای نمایش و پیش‌بینی سری‌های زمانی ارائه می‌دهند. یک ESN بر اساس یک سیستم دینامیکی تصادفی زمان گسسته است که برای خروجی یک سری زمانی مورد نظر با استفاده از بردار وزن بازخوانی خطی آموخته شده استفاده می‌شود. سادگی یادگیری نشان می دهد که یک ESN می تواند به عنوان یک جایگزین سبک وزن برای نمایش اولیه حرکت در رباتیک استفاده شود. در این مطالعه، ما این امکان را بررسی می‌کنیم و شبکه‌های Echo State مبتنی بر زمینه (CESN) را توسعه می‌دهیم و کاربرد آن‌ها را برای تولید حرکت ربات نشان می‌دهیم. CESN ها برای ایجاد مسیرهای مشترک یا دکارتی بر اساس ورودی زمینه قابل تعریف توسط کاربر طراحی شده اند. زمینه دینامیک ارائه شده توسط ESN درگیر را تعدیل می کند. سپس وزن‌های خواندنی خطی می‌توانند دینامیک وابسته به زمینه را برای ایجاد الگوهای حرکتی مختلف برای زمینه‌های مختلف انتخاب کنند. برای دستیابی به اجرای حرکت قوی و تعمیم در زمینه های نادیده، ما یک مکانیسم جدید افزایش داده را برای آموزش ESN معرفی می کنیم. ما اثربخشی رویکرد خود را در یادگیری از محیط نمایشی نشان می‌دهیم. برای دقیق بودن، ما به ربات وظایف رسیدن و اجتناب از موانع را در شبیه‌سازی و در دنیای واقعی آموزش می‌دهیم، که نشان می‌دهد سیستم توسعه‌یافته، CESN یک سیستم نمایش اولیه حرکت سبک را ارائه می‌کند که اجرای کار قوی را با قابلیت تعمیم برای زمینه‌های دیده نشده، از جمله موارد برون‌یابی، تسهیل می‌کند.
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید