توضیحات
Reinforcement learning has developed as a successful learning approach for domains that are not fully understood and that are too complex to be described in closed form. However, reinforcement learning does not scale well to large and continuous problems. Furthermore, acquired knowledge specific to the learned task, and transfer of knowledge to new tasks is crucial.
In this book the author investigates whether deficiencies of reinforcement learning can be overcome by suitable abstraction methods. He discusses various forms of spatial abstraction, in particular qualitative abstraction, a form of representing knowledge that has been thoroughly investigated and successfully applied in spatial cognition research. With his approach, he exploits spatial structures and structural similarity to support the learning process by abstracting from less important features and stressing the essential ones. The author demonstrates his learning approach and the transferability of knowledge by having his system learn in a virtual robot simulation system and consequently transfer the acquired knowledge to a physical robot. The approach is influenced by findings from cognitive science.
The book is suitable for researchers working in artificial intelligence, in particular knowledge representation, learning, spatial cognition, and robotics.
————————————————————–
ترجمه ماشینی :
یادگیری تقویتی بهعنوان یک رویکرد یادگیری موفق برای حوزههایی که بهطور کامل درک نشدهاند و بیش از حد پیچیده هستند که به شکل بسته توصیف شوند، توسعه یافته است. با این حال، یادگیری تقویتی به خوبی به مشکلات بزرگ و مداوم تقسیم نمی شود. علاوه بر این، دانش اکتسابی مختص تکلیف آموخته شده و انتقال دانش به وظایف جدید بسیار مهم است.
در این کتاب، نویسنده به بررسی این موضوع میپردازد که آیا میتوان بر کمبودهای یادگیری تقویتی با روش مناسب غلبه کرد یا خیر. روش های انتزاع او اشکال مختلف انتزاع فضایی، به ویژه انتزاع کیفی را مورد بحث قرار می دهد، شکلی از بازنمایی دانش که به طور کامل بررسی شده و با موفقیت در تحقیقات شناخت فضایی به کار گرفته شده است. با رویکرد خود، او از ساختارهای فضایی و شباهت ساختاری برای حمایت از فرآیند یادگیری با انتزاع از ویژگیهای کماهمیت و تأکید بر موارد ضروری بهره میبرد. نویسنده رویکرد یادگیری خود و قابلیت انتقال دانش را با یادگیری سیستم خود در یک سیستم شبیه سازی ربات مجازی و در نتیجه انتقال دانش کسب شده به یک ربات فیزیکی نشان می دهد. این رویکرد متاثر از یافته های علوم شناختی است.
این کتاب برای محققانی که در زمینه هوش مصنوعی، به ویژه بازنمایی دانش، یادگیری، شناخت فضایی و روباتیک کار میکنند، مناسب است.
< /p>
tag : دانلود کتاب انتزاع فضایی کیفی در یادگیری تقویتی , Download انتزاع فضایی کیفی در یادگیری تقویتی , دانلود انتزاع فضایی کیفی در یادگیری تقویتی , Download Qualitative Spatial Abstraction in Reinforcement Learning Book , انتزاع فضایی کیفی در یادگیری تقویتی دانلود , buy انتزاع فضایی کیفی در یادگیری تقویتی , خرید کتاب انتزاع فضایی کیفی در یادگیری تقویتی , دانلود کتاب Qualitative Spatial Abstraction in Reinforcement Learning , کتاب Qualitative Spatial Abstraction in Reinforcement Learning , دانلود Qualitative Spatial Abstraction in Reinforcement Learning , خرید Qualitative Spatial Abstraction in Reinforcement Learning , خرید کتاب Qualitative Spatial Abstraction in Reinforcement Learning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.