بهبود سرعت آموزش در مسائل یادگیری تقویتی مبتنی بر انتقال دانش عصبی‌فازی

Abstract

این مقاله به موضوع انتقال یادگیری در محیط­هایی که بعضی از ویژگی­های آن مشترک است می­پردازد. چالش اصلی در این مبحث، نحوه انتقال دانش به­دست­آمده از محیط مبدأ به محیط مقصد است. در ایده ارائه­شده با در نظر­گرفتن ویژگی­های مشترک در فضای عامل بین دو محیط، ابتدا مقدار ارزش - عمل در محیط مبدأ به­دست می­آید، سپس از یک شبکه عصبی- فازی برای تقریب مقدار تابع ارزش - عمل بهره برده می‏شود. در محیط مقصد، مقدار ارزش - عمل از ترکیب مقدار پیش­بینی شبکه عصبی - فازی و مقدار به­دست­آمده در خود آن محیط استفاده می­شود. به‌عبارت دیگر با توجه به آموزش انجام‌شده در محیط مبدأ، مقادیر ارزش - عمل در محیط مقصد از ترکیب مقادیر ارزش - عمل تقریب­زده­شده توسط شبکه عصبی - فازی و مقدار به­دست آمده از الگوریتم یادگیری در آن محیط به­دست می­آید. شایان ذکر است که از الگوریتم یادگیری Q در محیط استفاده‌شده است. نتایج حاصل از ایده ارائه‌شده، حاکی از افزایش چشمگیر سرعت یادگیری می­باشد.