PDF

دانلود پایان نامه : مطالعه تطبیقی ​​یادگیری تقویتی و نیمه کلاسیک در ترکیب حسگرها

 اگر دانشجو و یا محقق هستید با پایان نامه های انگلیسی و جدید سایت پروجکت دانلود می توانید سریع , راحت و حرفه ای تر مقالات و پروژه های خود را تالیف کنید ! پروجکت دانلود , جدیدترین پروژه ها , مقالات , پایان نامه ها و تز های مقاطع مختلف تحصیلی از بهترین دانشگاههای جهان را برای شما فراهم می کند . در این مطلب با دانلود متن کامل پایان نامه انگلیسی  : مطالعه تطبیقی ​​یادگیری تقویتی و نیمه کلاسیک در ترکیب حسگرها  همراه شما هستیم .
.

موضوع : متن کامل پایان نامه انگلیسی : مطالعه تطبیقی ​​یادگیری تقویتی و نیمه کلاسیک در ترکیب حسگرها

رشته :  کامپیوتر و برنامه نویسی – نرم افزار و سخت افزار  – برق الکترونیک  مخابرات- هوش مصنوعی – رباتیک و مکاترونیک – ریاضی

سال انتشار : 2021

زبان : انگلیسی

مقطع :  کارشناسی ارشد

چکیده  (ترجمه ماشینی ) :

یادگیری تقویتی در زمینه های خاصی مانند بازی ها بسیار مفید واقع شده است. با این حال ، این رویکرد کاملاً محدود دیده شده است. به عنوان مثال ، یادگیری مبتنی بر تقویت معمولاً برای کارهای طبقه بندی مورد استفاده قرار نمی گیرد ، زیرا بازخورد خود را در مورد نحوه عملکرد خوب در مورد یک ورودی خاص دریافت می کند. این میزان همگرایی عملکرد را در مقایسه با سایر روشهای طبقه بندی که ورودی و خروجی مربوطه را برای آموزش دارد ، کند می کند. با این وجود ، این پایان نامه با هدف بررسی اینکه آیا یادگیری مبتنی بر تقویت می تواند با موفقیت در یک کار طبقه بندی به کار گرفته شود ، بررسی می شود. علاوه بر این ، از آنجا که ترکیب حسگرها یک میدان در حال گسترش است که می تواند به عنوان مثال به خودروهای خودران در درک محیط اطراف خود کمک کند ، همچنین جالب است که ببینیم چگونه همجوشی سنسورها ، یعنی همجوشی بین تصاویر لیدار و RGB ، می تواند عملکرد یک کار طبقه بندی را افزایش دهد. در این پایان نامه ، یک روش یادگیری مبتنی بر تقویت با یک روش نیمه کلاسیک مقایسه می شود. به عنوان نمونه ای از مدل یادگیری تقویتی ، یک شبکه یادگیری Q عمیق انتخاب شد و یک طبقه بندی ماشین بردار پشتیبان که بر روی یک شبکه عصبی عمیق ساخته شده بود ، به عنوان نمونه ای از یک مدل نیمه کلاسیک انتخاب شد. در این کار ، این چارچوب ها با و بدون همجوشی سنسور مقایسه می شوند تا ببینند آیا ادغام عملکرد آنها را بهبود می بخشد یا خیر. آزمایشات نشان می دهد که روش یادگیری مبتنی بر تقویت از نظر معیارها ضعیف عمل می کند اما عمدتا به دلیل کند بودن فرایند یادگیری آن ، در مقایسه با روش نیمه کلاسیک است. با این حال ، از سوی دیگر استفاده از یادگیری مبتنی بر تقویت برای انجام وظیفه طبقه بندی هنوز هم در برخی موارد می تواند مفید باشد ، زیرا هنوز از نظر معیارهای ارائه شده در این کار نسبتاً خوب عمل می کند ، به عنوان مثال. نمره F1 یا به عنوان مثال مجموعه داده های نامتعادل. در مورد تاثیر همجوشی سنسور ، بهبود قابل توجهی مشاهده می شود ، به عنوان مثال. هنگام آموزش مدل یادگیری Q عمیق برای 50 قسمت ، نمره F1 با 0.1329 افزایش یافت. به خصوص ، با در نظر گرفتن این که بیشتر اطلاعات لیدار استفاده شده در همجوشی از بین می رود زیرا این کار داده های لیدار سه بعدی را در همان صفحه دو بعدی با تصاویر RGB نشان می دهد.

 

 

دانلود پایان نامه : مطالعه تطبیقی ​​یادگیری تقویتی و نیمه کلاسیک در ترکیب حسگرها
لینک دانلود پس از خرید نمایش داده خواهد شد
30,000 تومان – خرید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

نوشته های مرتبط

متنی که میخواهید برای جستجو وارد کرده و دکمه جستجو را فشار دهید. برای لغو دکمه ESC را فشار دهید.