Yazar
Arditi, Emir
Basım Tarihi
2022-06-08T10:35:18Z
Konu
Makine öğrenmesi, Machine learning, Yapay sinir ağları, Artificial neural networks, Yapay zeka, Artificial intelligence
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Kayıt Numarası
a5742729-1127-4202-b7d4-2d39c99ec6c1
Lokasyon
Bilgisayar Bilimleri Bölümü
Tarih
2022-06-08T10:35:18Z
Örnek Metin
Takviyeli Öğrenme, bir göreve ve ödül/ceza yapısına göre en uygun politikaları oluşturmaya yönelik bir çerçevedir. Benzer şekilde, Ters Takviyeli Öğrenme, adından da anlaşılacağı gibi, bir uzmanın gösterilerine dayalı olarak optimal bir politikanın arkasındaki mantığı ortaya çıkarmak için kullanılır. Son Güçlendirme Öğrenme ve Ters Güçlendirme Öğrenme yöntemlerinin, motor kontrolün optimallik ilkelerini ve beynin bilişsel karar verme mekanizmalarını araştırmak için hesaplamalı bir araç olarak hizmet edip edemeyeceğini araştırmak için yola çıktık. Bu amaçla beynin duyu-motor öğrenme mekanizmasının farklı bölümleriyle ilgili birkaç farklı görevi hedefledik. Beynin çeşitli kontrol ve karar verme görevleri için kullandığı optimallik ilkelerini iyileştirmeyi amaçlıyoruz. Eğer bu başarılırsa, gösterilen davranışı daha az önyargıyla analiz edebilir, anlayabilir, taklit edebilir ve geliştirebiliriz; bunun hem insan temelli hem de yapay sistemlerdeki öğrenme sürecini anlamada ileri bir adım olacağını umuyoruz. Bu tez kapsamında iki görevi değerlendirdik. İlk görev, Takviyeli Öğrenme için algısal gelişimin uygulanabilirliğini araştırmaktı. Bu görev için, Takviyeli Öğrenme aracısı için algısal gelişime dayalı bir öğrenme rejimi önerdik ve elde edilen sonuçlar, uygun bir algısal gelişim rejiminin öğrenme ilerlemesini iyileştirebileceğini ve daha iyi performans gösteren aracılar üretebileceğini gösteriyor. İkinci görev, tedirginlik altında ayakta durma senaryosunda sağlanan bir yörüngenin ödül fonksiyonu parametrelerini tahmin etmekti. Bu görev için iki farklı Ters Takviyeli Öğrenme yaklaşımı önerdik. Sonuçlarımız, sentetik veriler üzerinden geçerli ödül parametrelerini çıkarabildiğimizi göstermektedir. Pekiştirmeli öğrenme, farklı seçenekler, verilen fiyat ceza sistemi özelliklerine göre en uygun politikaları bulmadır. Benzer şekilde, Tersine Pekiştirmeli Öğrenme de, ayrıntılı olarak anlaşılabileceği gibi, bir uzmandan alınan en uygun politikanın işleyişinin nedenleri bulmak için kullanılır. Bu araştırmada, güncel Pekiştirmeli Öğrenme ve Tersine Pekiştirmeli öğrenmelerin metotlarının, beynin motor kontrol ve sistematik karar alma bölümünün tedavi eniyileme ilkelerini modelleyen araçlar olarak kullanılabilmesini keşfetmeyi amaçlıyoruz. Bu amaçla beynin farklı duyusal motor özelliklerini parçalarına farklı işlemler hedefledik. Amacımız, beyin tarafından farklı alanlar için bölümü en iyileme kriterlerini keşfedebilmektir. Bu başarılı olabilirse, ayrılabilir veya yeni bir yöntem ile, insan akışlarının daha düşük bir yanlılık ile analiz edilebilir, anlanabilir ve taklidi yapılabilir. Bu tezin kapsamı çerçevesinde, iki tane görevi hedefledik. İlk görev, algısal gelişimin Pekiştirmeli Öğrenme'ye uygulanabilirliğinin bulunduğu yerdir. Bu görev için, bir Pekiştirmeli Öğrenme ajansı, kendi önerdiği bir algısal gelişim modeli, gelişim rejimi ile eğitilmiş. Sonuçlarımız, uygun bir algısal gelişim rejiminin, Pekiştirmeli Öğrenmenin öğrenme ilerlemesini geliştirebileceğini ve daha iyi ajanlar üretebileceğini önerdi. İkinci görev ise, Tersine Pekiştirmeli Öğrenme ile, üyelerin rollerinin serbest bırakılmasını sağlar. Bunun için iki tane farklı Tersine Pekiştirmeli öğrenme aralığı oluşmuş ve sonuçlarımız geçerli fiyat parametrelerini araştırdığımızı önermektedir.
