دانلود پروژه: یادگیری تقویتی بر مبنای دوپامین به عنوان سیگنال مالتی پلکس شده یادگیری در رفتار مبتنی بر پاداش

تعداد 50 صفحه در فایل word

کارشناسی ارشد (M.Sc) در رشته کامپیوتر

گرایش: نرم افزار

یادگیری تقویتی بر مبنای دوپامین به عنوان سیگنال مالتی پلکس شده یادگیری در رفتار مبتنی بر پاداش

چکیده

پیشرفت های اخیر سعی در جایگزینی روبات به جای انسان کرده است. روبات ها برای جایگزینی نیاز به یادگیری دارند. با تکامل علوم جدید هر روز روبات ها، برای رسیدن به هدف مورد نظر، بدون نیاز به نظارت انسان پیشرفت می کنند. تاکنون تحقیقات زیادی در مورد یادگیری با نظارت و یا بر اساس مدل[1] انجام شده است.

رسیدن به هدف، توسط روبات در محیط ناشناخته به معنی پیدا کردن راهی برای رسیدن به کوتاه ترین مسیر موجود از مکان فعلی تا مقصد در محیط ناشناخته می باشد که مشکل بزرگی در راه یادگیری تقویتی می باشد. ما این هدف را در این پایان نامه پیگیری نموده ایم. هدف ما در این رساله، یافتن کوتاه ترین مسیر تا مقصد و در عین حال با ارزش ترین مسیر در محیط ناشناخته و در n بعد می باشد. یافتن کوتاه ترین مسیر به معنی وجود یک راه فیزیکی تا هدف نیست. اساس کار،  پیاده سازی بر اساس مدل آزاد[2] است تا قابل اجرا در هر فضایی باشد. برای رسیدن به هدف یادگیری، الگوریتم کلونی مورچگان را با یادگیری تقویتی ترکیب کردیم و ماتریس فرومون را ساختیم. با الگو برداری از ترشح دوپامین از کیسه ی کوچکی بنام وزیکول[3]  در مغز انسان، پاداش تاخیری را پیاده سازی کردیم و باعث ایجاد همگرایی کران پیش بینی پاداش به سمت پاداش واقعی شدیم.

کلمات کل

یدی– پاداش تاخیری، پیش بینی پاداش، ماتریس فرومون، مدل آزاد،  یادگیری تقویتی، همگرایی پیش بینی به پاداش واقعی.

[1] Model-Base

[2] Model-Free

[3] Vesicle