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.