Q regression neural network
Q regresyon sinir ağı
- Tez No: 382385
- Danışmanlar: DOÇ. DR. MUTLU AVCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Takviyeli Öğrenme, Q öğrenme yöntemi, Q değer fonksiyonu genelleme, GRNN, Reinforcement Learning, Q Learning, Q value function generalization, GRNN
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Q öğrenme yöntemi takviyeli öğrenme için önemli bir gelişme olmuştur. Ancak gerçek dünya problemlerinin sahip olduğu devasa büyüklükteki durum-aksiyon sayısı Q öğrenme yöntemini uygulanamaz hale getirmektedir. Bu durum sadece durum-aksiyon uzayını genellemeyecek, aynı zamanda da öğrenmeyi hızlandıracak etkili bir regresyon metodunu gerekmektedir. Bu tezde Q regresyon yapay sinir ağı adında Q değer fonksiyonunun genelleştirilmesi ile GRNN formunda bir yapı kullanılması sonucu elde edilen yeni bir eğiticisiz yapay sinir ağı önerilmiştir. QRNN Q ajanının ürettiği veriler üzerinde çalışır. Önerilen metot popüler takviyeli öğrenme çalışma ortamları üzerinde test edilmiş, Q öğrenme yöntemi ve diğer regresyon yöntemleri ile karşılaştırılmıştır. Test sonucunda öğrenme hızının karşılaştırılan yöntemlere göre oldukça yüksek olduğu gözlenmiştir.
Özet (Çeviri)
Q Learning was an important novelty for reinforcement learning. However Q learning becomes inapplicable due to the gigantic size of solution spaces of real world problems. Therefore, an efficient regression method is required not only to generalize the state, action space but also accelerate speed of the learning algorithm. In this thesis, Q regression neural network suggested is a novel regression method obtained as a result of a GRNN form structure used for generalization Q-value function. QRNN works with data generated by Q-Agent. It is tested with popular reinforcement learning benchmarks and its performance is compared with that of both Q-Learning and the other regression methods. Test results show that, QRNN learning efficiency is much higher than the compared methods.
Benzer Tezler
- Labirent yan savaklardaki akımın yapay zeka hesaplama yöntemleriyle incelenmesi
Investigation of flow in labyrinth side weirs using artificial intelligence calculation methods
ÖMER BİLHAN
Doktora
Türkçe
2011
İnşaat MühendisliğiFırat Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET EMİN EMİROĞLU
PROF. DR. ÖZGÜR KİŞİ
- WTP calculation accuracy using stated preference survey data: Comparison between logistic regression and neural network methods
Bı̇ldı̇rı̇mlı̇ tercı̇h araştırması verı̇lerı̇nde WTP hesaplama doğruluğu: Lojı̇stı̇k regresyon ve yapay sı̇nı̇r ağ yöntemlerı̇ karşılaştırılması
GÜLCE OPUZ
Yüksek Lisans
İngilizce
2020
Ekonomiİstanbul Teknik Üniversitesiİktisat Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CHRISTOPHER HANNUM
- Regresyon analizi ve yapay sinir ağı yöntemleri ile uzun dönem yük tahmini
Long term load forecasting using multiple regression analysis and artificial neural network
FATİH AKSEL
Yüksek Lisans
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. BELGİN EMRE TÜRKAY
- Trafik kazalarının çok değişkenli istatistiksel yöntemlerle modellenmesi
Modelling of traffic accident by multivariate statistical methods
HALİM FERİT BAYATA
Doktora
Türkçe
2010
TrafikAtatürk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. SİNAN HINISLIOĞLU
- Ekonomik bir büyüme modelinin yapay sinir ağları ile tahmini ve Türkiye uygulaması
Forecasting an economic growth model using artificial neural networks and application of Turkey
MUSTAFA İSA DOĞAN
Yüksek Lisans
Türkçe
2012
EkonomiGazi Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. HACI HASAN ÖRKCÜ