موضوع فارسی : میماس: چارچوب برای یادگیری ماشین در سلامت سیستم های چند عاملی
موضوع انگلیسی : MLIMAS: A Framework for Machine Learning in Interactive Multi-Agent Systems
تعداد صفحه : 9
فرمت فایل :pdf
سال انتشار : 2015
زبان مقاله : انگلیسی
چکیده
سیستم های چند عامله در مجتمع، حوزه زمان واقعی نیاز به عوامل موثر به عمل هر دو مستقل و به عنوان بخشی از یک تیم.
پیچیدگی وظایف بسیاری از ناشی در این حوزه را حل کند با رفتارهای از پیش برنامه ریزی عامل آنها را دشوار می سازد.
عوامل باید به جای کشف راه حل خود به خود، با استفاده از یادگیری است. در این مقاله، ما در حال حاضر MLIMAS یک چارچوب برای
یادگیری ماشین در سلامت سیستم های چند عاملی. MLIMAS پیشنهاد شده است برای ارائه پاسخ به مسائل ناشی از
یکپارچه سازی الگوریتم های یادگیری ماشین در سیستم های چند عامله تعاملی، با تمرکز بر سه سوال من) چه یادگیری هستند
اهداف برای عوامل ؟، (II) چگونه می تواند سیستم یادگیری ماشین به معماری عامل یکپارچه؟ و (III) چگونه می توانید عوامل
یاد بگیرند؟ تعاملی MLIMAS آدرس این سه سوال به علاوه حمایت از سیستم های چند عامله شامل مستقل و
عوامل تطبیقی اقدام در زمان واقعی و محیط پر سر و صدا. به عنوان یک نتیجه از چنین قابلیت های مورد نیاز، MLIMAS اجازه می دهد تا پویا
و رفتار هوشمند از عوامل موثر در دستیابی به اهداف به محلی و ائتلاف خود را از قبیل از طریق مدل سازی عوامل دیگر
اقدامات و تعاملی در نظر گرفتن منافع از ترجیحات خود و دیگران را در یادگیری و دستیابی به اهداف عوامل.مطالعه ما به بررسی
چارچوب پیشنهادی در تاکسی دامنه در مقایسه با الگوریتم Q-یادگیری سنتی بدون به اشتراک تعاملی از
اطلاعات آزمایش های ما نشان داد 2 برابر بهبود برای این جایزه به طور متوسط در هر دریافت عوامل از دنباله نه
روش Q-آموزش سنتی است. علاوه بر این، ما٪ 80 بهبود کردم برای همان تعداد از آزمایشات از عوامل برای رسیدن به مسافران.
کلمات کلیدی: سیستم های چند عاملی؛ چارچوب یادگیری مبتنی بر عامل. تعاملی چند عامل یادگیری، هوش مصنوعی؛ فراگیری ماشین؛ مهندسی دانش؛ تاکسی دامنه