Details

Title: Извлечение знаний и управление в условиях неопределенности: выпускная квалификационная работа магистра: 09.04.01 - Информатика и вычислительная техника ; 09.04.01_17 - Интеллектуальные системы (международная образовательная программа на иностранном языке)
Creators: Блэйк Кристофер Виллиам
Scientific adviser: Шкодырев Вячеслав Петрович
Other creators: Киселева Людмила Анатольевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2018
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: Автоматические системы приспосабливающиеся; "чёрный ящик"; извлечение знаний
UDC: 681.513.6
Document type: Master graduation qualification work
File type: PDF
Language: English
Speciality code (FGOS): 09.04.01
Speciality group (FGOS): 090000 - Информатика и вычислительная техника
Links: http://doi.org/10.18720/SPBPU/2/v18-6340; http://elib.spbstu.ru/dl/2/rev/v18-6340-o.pdf; http://elib.spbstu.ru/dl/2/rev/v18-6340-r.pdf
Rights: Свободный доступ из сети Интернет (чтение)

Allowed Actions: Read You need Flash Player to read document

Group: Anonymous

Network: Internet

Annotation

Адаптивный потоковый процесс описан для изучения набора лексики для управления «черным ящиком». Метод служит для точной дискретизации пространства значений, обеспечения отслеживания и идентификации простых шаблонов. Эти значения и шаблоны становятся системными знаниями (или лексикой) и используются для обучения дерева поиска решений основанного на обучении с подкреплением. С течением времени слой интерпретации данных позволяет разрабатывать знания более высокого уровня, создавая легкую для понимания политику функциональности «черного ящика», предоставляя ин-формацию о системе управления. Испытания проводятся для демонстрации эффективности и пределов возможностей в системах с открытым циклом. В заключении, педлагается рассмотреть последущую идентификацию знаний, систем с замкнутым циклом и обучение с меньшим объемом первоначальной информации.

An adaptive stream-based process is described for learning a set of vocabulary to control a black box. The method serves to accurately discretize the value space, enable tracking, and identify simple patterns. These values and patterns become the system knowledge (or vocabulary) and are used for training a reinforcement learning based decision tree. An interpretation layer enables developing higher-level knowledge with time, creating an easy-to-read policy of the black box functionality, providing control information. Tests are performed to demonstrate the effectiveness and limitations with open-loop systems. Finally, a proposal is made for further knowledge identification, closed-loop systems, and learning with less prior information.

Document access rights

Network User group Action
FL SPbPU Local Network All Read
-> Internet All Read

Document usage statistics

stat Document access count: 42
Last 30 days: 0
Detailed usage statistics