ورود
مقالات فارسیISIکنفرانسهاژورنالها

روشی نوین برای تنظیم وزن های یک کنترلگر عصبی با استفاده از آموزش تقویتی

محل انتشار: ششمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 732

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/150488

شناسه ملی سند علمی:

ICS06_078

تاریخ نمایه سازی: 18 تیر 1391

چکیده مقاله:

در این مقاله یک روش جدید برای تنظیم پیوسته تمامی وزن های شبکه عصبی با استفاده از الگوریتمSRV اصلاح شده ارائه می گردد که به خطای خروجی کنترلگر و مشتق گیری نیاز ندارد وآموزش تنها با استفاده از یک سیگنال تقویتی اسکالر انجام می پذیرد . مقادیر جدید وزن ها در هر تکرار بصورت تصادفی بر اساس توزیع چگالی احتمال گوسی بدست می آید. تغییرات میانگین و انحراف معیار تابع توزیع احتمال به گونه ای است که با دریافت پاداش احتمال انتخاب مقادیر وزن کنونی تقویت و با دریافت جریمه کاهش می یابد . نتایج شبیه سازی برای مسأله کنترل گاری - اهرم توانایی روش ارایه شده را در تنظیم مناسب وزن های شبکه برای یک فرآیند ناپایدار و ناشناخته نشان می دهد . بطور مختصر مزایای روش ارایه شده را می توان به رهایی ا ز محدودیتهای مشتق گیری، آموزش تنها بر اساس سیگنال تقویتی، حجم کم محاسبات، و درجه اکتشاف مناسب آن نام برد

کلیدواژه ها:

نویسندگان

ولی درهمی

بخش مهندسی برق -دانشکده فنی ومهندسی- دانشگاه تربیت مدرس-

وحید جوهری مجد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • learning control by association and reinforcement, _ EEE Taas. _ ...
  • Neural Network-Like Critic for Reinforc ement Learnin, " Neuvra/ 4Aه ...
  • unsupervised learning of a layered network and its application 4Anه ...
  • Hasegawa, Y., Fukuda, T., and Shimojima, K. "Self-scaling reinforcemen learning ...
  • Sutton, R.S., and Barto, A.G. Reinforcement Learaing: An Introduction, " ...
  • Sutton, R. S., Barto, A. G., and Williams, R. J. ...
  • Hwang, K. S., and Chao, H. J., "Adaptive reinforcemet learning ...
  • Grant, E., and Zhang, B., "Neural network based reinforced learning, ...
  • Jang, J. S. R., Sun, C. T., and Mizutani, E., ...
  • Hwang, K.S, Tan, S.W., and Tsai, M. C., _ FReinforcement ...
  • Potocnil, P. and Grabec, I., "Adaptive self-tuning neurocontrol, " Mathematics ...
  • Samejima, K., and Omori, T., "Adaptive internal state space construction ...
  • Gullapalli, V., Franklin, J.A., and Benbrahim, H., "Acquiring robot skills ...
  • Gullapalli. V., _ stochastic reinforcement learning algorithm for learning real-valued ...
  • Barto, A..G., Sutton, R., and Anderson, C., W., "Neuronlike adaptive ...
    • نمایش کامل مراجع