چارچوب هوسمند مبتنی بر یادگیری عمیق برای بهینه سازی تصمیم گیری در سامانه های خودکار

با پیشرفت سامانه های خودکار و افزایش پیچیدگی محیط های تصمیم گیری نیاز به مدل های تصمیم گیری هوشمند که بتوانند ترجیحات انسانی و معیارهای چندبعدی را در نظر بگیرند بیش از پیش احساس می شود. در این مقاله یک چارچوب هوسمند مبتنی بر یادگیری عمیق ارائه می شود که از مدل های هوسمندی یادگرفته شده برای بهینه سازی تصمیم گیری در سامانه های خودکار استفاده می کند. این چارچوب شامل یادگیری عمیق هوسمندی، تصمیم گیری خودکار، یادگیری از ماژول های مدل هوسمندی، سیاست، برنامه ریز، تخمین عدم قطعیت و حلقه بازخورد انسانی است و امکان یادگیری از ترجیحات انسانی و رعایت محدودیت های ایمنی را فراهم می کند.

کلیدواژه ها:

هوسمندی ، یادگیری عمیق ، تصمیم گیری خودکار ، یادگیری از ترجیحات انسانی ، ایمنی