Extracting explicit relational information from a new relational reasoning testbed with a learning agent
Yeni bir ilişkisel akıl yürütme test ortamından belirgin ilişkisel bilgileri bir öğrenme ajanı ile çıkarmak
- Tez No: 685081
- Danışmanlar: DR. ÖĞR. ÜYESİ ELİF SÜRER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Modelleme ve Simülasyon Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Son çalışmalarda, pekiştirmeli öğrenme (RL) ajanları görevlere göre özelleşmiş şekillerde çalışmaktadır ve çoğu zaman karar verme mantıkları yorumlanamamaktadır. Mantık programlama gibi sembolik yapay zeka teknikleri kullanarak, istatistiksel yöntemlere dayalı aracı algoritmaları genelleştirilebilirlik ve yorumlanabilirlik açısından geliştirilebilmektedirler. Bu çalışmada, PrediNet mimarisi ilk kez bir RL probleminde kullanılmış ve kıyaslama yapmak için“multi-head dot-product attention network”(MHDPA) kullanılmıştır. PrediNet modülü kullanılarak, ortamdaki nesneler arasındaki ilişkisel bilgiler açıkça çıkarılabilmektedir. Bu bilgiler, mantık programlama araçlarında işlenebilecek bir formdadır ve ağ daha yorumlanabilir hale gelmektedir. Bu iki yöntemin ilişkisel bilgi çıkarma performanslarını ölçmek için yeni bir test ortamı,“Relational-GridWorld”(RGW) geliştirilmiştir. RGW ortamı, farklı özelliklere sahip nesnelerden prosedürel olarak oluşturabilir ve bu ortamda ajanı karmaşık kombinatoryal seçimler yapmaya zorlamaktadır. Gerçekleştirilen testlerde ve RGW ortamında, hem ortamların hem de ağların ayrı ayrı karşılaştırılmasını sağlamak için Box-World adı verilen bir referans ortam kullanılmaktadır. Sonuçlar, hem MHDPA hem de PrediNet mimarisinin her iki ortamda da benzer performanslara sahip olduğunu ve RGW ortamının ağların ilişkisel muhakeme kapasitesini ölçebildiğini göstermektedir.
Özet (Çeviri)
In recent studies, reinforcement learning (RL) agents work in ways that are specialized according to the tasks, and most of the time, their decision-making logic is not interpretable. By using symbolic artificial intelligence techniques like logic programming, statistical methods-based agent algorithms can be enhanced in terms of generalizability and interpretability. In this study, the PrediNet architecture is used for the first time in an RL problem, and in order to perform benchmarking, the multi-head dot-product attention network (MHDPA) was used. By using the PrediNet module, relational information among the objects in the environment can be extracted explicitly. This information is in a form that can be processed in logic programming tools, and the network becomes more interpretable. In order to measure the relational information extraction performances of these two methods, a new test environment, relational-grid-world (RGW), is developed. RGW environment can be generated procedurally from objects with different features, pushing the agent to make complex combinatorial selections in this environment. In the performed tests and the RGW environment, a baseline environment called Box-World is used for comparing both environments and networks separately. The results show that both MHDPA and PrediNet architecture have similar performances in both environments, and the RGW environment is able to measure the relational reasoning capacity of the networks.
Benzer Tezler
- Bilgi ağlarında dilsel özetleme
Linguistic summarization in information networks
SERKAN GENÇ
Doktora
Türkçe
2016
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. DİYAR AKAY
- Identification of discourse relations in Turkish discourse bank
Türkçe söylem bankasında söylem bağıntılarının belirlenmesi
FERHAT KUTLU
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı
PROF. DR. DENİZ ZEYREK BOZŞAHİN
DR. MURATHAN KURFALI
- Özellik tabanlı görüş madenciliğinde yapay zeka teknikleri kullanarak görüş hedefi çıkarımı ve kategori tespiti
Opinion target extraction and category detection using artificial intelligence techniques in aspect-based opinion mining
KÜRŞAT MUSTAFA KARAOĞLAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ FINDIK
- Neural and ocular correlates of conceptual grounding in verbal interaction: A multimodal hyperscanning approach
Sözel etkileşimde kavramsal temel edinmenin sinirsel ve oküler örüntüleri: Bir çok kipli hiper tarama yaklaşimi
EFECAN YILMAZ
Doktora
İngilizce
2024
DilbilimOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı
DOÇ. DR. MURAT PERİT ÇAKIR
- Can ai code like a human: A critical analysis of ai's understanding in code generation
Yapay zekaların kodlama becerisi insanla rekabet edilir mi? Yapay Zekanın kod üretimindeki anlayışı ve eleştirel bir bakış
SAMİ AKKUŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı
PROF. DR. HÜSEYİN CEM BOZŞAHİN