یادگیری نمادهای عمیق چند شی با پیش بینی های مبتنی بر توجه به خود

عنوان یادگیری نمادهای عمیق چند شی با پیش بینی های مبتنی بر توجه به خود
نویسنده Ahmetoğlu، A.، Öztop، Erhan، Uğur، E.
تاریخ انتشار: 2023
محل انتشار - IEEE
موضوع یادگیری عمیق، رباتیک، یادگیری نمادها
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 979-835034355-7
شماره ثبت 929c084c-4a15-4acf-9f4a-40ba2c11c3b9
محل کتابخانه علوم کامپیوتر
تاریخ 2023
متن نمونه این مقاله معماری را پیشنهاد می‌کند که می‌تواند بازنمایی‌های نمادین را از تجربه حسی حرکتی پیوسته یک ربات در تعامل با تعداد متفاوتی از اشیا بیاموزد. برخلاف کارهای قبلی، هدف این کار حذف محدودیت‌های نمادهای آموخته‌شده مانند تعداد ثابتی از اشیاء متقابل یا ساختارهای نمادین از پیش تعریف‌شده است. معماری پیشنهادی می‌تواند نمادها را برای اشیاء منفرد و روابط بین آنها را به صورت یکپارچه یاد بگیرد. این معماری یک شبکه رمزگذار-رمزگشا با یک لایه فعال سازی باینری است که به دنبال لایه های خود توجه است. آزمایش ها در یک راه اندازی دستکاری رباتیک با تعداد متفاوتی از اشیاء انجام می شود. نتایج نشان داد که ربات با موفقیت پویایی تعامل بین تعداد متفاوتی از اشیا را با استفاده از نمادهای کشف شده رمزگذاری می کند. ما همچنین نشان دادیم که نمادهای کشف شده را می توان برای برنامه ریزی برای رسیدن به حالت های هدف نمادین با آموزش شبکه عصبی سطح بالاتر استفاده کرد.
DOI 10.1109/SIU59756.2023.10223865
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

یادگیری نمادهای عمیق چند شی با پیش بینی های مبتنی بر توجه به خود

نویسنده Ahmetoğlu، A.، Öztop، Erhan، Uğur، E.
تاریخ انتشار 2023
محل انتشار - IEEE
موضوع یادگیری عمیق، رباتیک، یادگیری نمادها
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 979-835034355-7
شماره ثبت 929c084c-4a15-4acf-9f4a-40ba2c11c3b9
محل کتابخانه علوم کامپیوتر
تاریخ 2023
متن نمونه این مقاله معماری را پیشنهاد می‌کند که می‌تواند بازنمایی‌های نمادین را از تجربه حسی حرکتی پیوسته یک ربات در تعامل با تعداد متفاوتی از اشیا بیاموزد. برخلاف کارهای قبلی، هدف این کار حذف محدودیت‌های نمادهای آموخته‌شده مانند تعداد ثابتی از اشیاء متقابل یا ساختارهای نمادین از پیش تعریف‌شده است. معماری پیشنهادی می‌تواند نمادها را برای اشیاء منفرد و روابط بین آنها را به صورت یکپارچه یاد بگیرد. این معماری یک شبکه رمزگذار-رمزگشا با یک لایه فعال سازی باینری است که به دنبال لایه های خود توجه است. آزمایش ها در یک راه اندازی دستکاری رباتیک با تعداد متفاوتی از اشیاء انجام می شود. نتایج نشان داد که ربات با موفقیت پویایی تعامل بین تعداد متفاوتی از اشیا را با استفاده از نمادهای کشف شده رمزگذاری می کند. ما همچنین نشان دادیم که نمادهای کشف شده را می توان برای برنامه ریزی برای رسیدن به حالت های هدف نمادین با آموزش شبکه عصبی سطح بالاتر استفاده کرد.
DOI 10.1109/SIU59756.2023.10223865
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید