Automatikus gépi tanulás komplex interaktív környezetben

OData támogatás
Konzulens:
Benkő Borbála Katalin
Hálózati Rendszerek és Szolgáltatások Tanszék

A gépi tanulás a mesterséges intelligenciához köthető területek közül az utóbbi évtizedek egyik legdinamikusabban kutatott ága. Alapötlete, hogy a probléma-specifikus algoritmusok helyett tapasztalati adatok felhasználásával, gép által fejlesztett, vagy továbbfejlesztett logikákat használjunk. Tanuló rendszereket már ma is széles körben alkalmaznak, ám a jövőben egyre szélesedik felhasználási igényük, és további elvárások fogalmazódnak meg, például az adaptív képes- ség, vagy autonóm alkalmazhatóság. A szakdolgozat keretében egy olyan automatikus tanulási keretrendszert mutatok be, melyet célkitűzéseiben igyekszem az új követelményekre szabni. Egy modellt tervezek, mely Markov Döntési Folyamattal (MDP) leírható megerősítéses tanulási problémákra alkalmazható, akár nagyméretű, komplex állapottérben, és multiaktoros környezetben is. A rendszer adaptív képességgel rendelkezik, alkalmazkodik a működés közben változó célkritériumokhoz. Alkalmas közösségi tanulási szituáció kiaknázására, melyben tanuló ágensek kommunikációra képes csoportja dolgozik egy problémán. Önálló optimalizációs mechanizmusa segítségével tapasztalati adatbázisát nagy leíróerejű, ám kompakt formában képes tartani. Elkészítem a rendszer kísérleti implementációját, mely egy példáproblémán keresztül demonstrálja a működést. Ismertetem a specifikációt, tervezési megfontolásokat, az implementáció lépéseit, és a kiértékelések során elemzem hatékonyságát. A munka végén összegzem a legnagyobb kihívásokat, és további fejlesztési ötleteket vázolok.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.