Sosyal öğrenme destekli derin pekiştirmeli öğrenme
Social learning supported deep rainforcement learning
- Tez No: 846917
- Danışmanlar: DOÇ. DR. MEHMET DİNÇER ERBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Bolu Abant İzzet Baysal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Sosyal öğrenme, bireylerin çevrelerindeki diğer bireylerden bilgi edinme ve bu bilgileri kullanarak davranışlarını şekillendirme sürecidir. Bu tez çalışması, içsel geri bildirim kullanarak doğadaki kopyalama mekanizmasından esinlenerek, sosyal öğrenmeyi destekleyen özgün bir Derin Pekiştirmeli Öğrenme algoritması sunmaktadır. Grup içindeki bireylerin öğrenme hızını ve performansını artırmak amaçlanmaktadır. İyi bilinen bir pekiştirmeli öğrenme algoritması olan derin Q öğrenme kullanılmıştır. Pekiştirmeli öğrenme ile taklit kullanan diğer araştırmalara kıyasla, yöntemimiz öğrenen etmenlerin çift katmanlı bir kontrol sistemi tarafından kontrol edildiği, farklı hafıza türlerinin incelendiği, kopyalama ve uygulama davranışlarının doğaya uygun olarak derin sinirsel ağın gerçekleştirebileceği aksiyonlar arasından tanımlanarak dinamik olarak akıllı etmen tarafından kontrol edildiği özgün bir yaklaşımdır. Yaklaşımımız simülasyon ortamında uygulanmıştır. Simülasyon deneyleri deney sonuçları, öğrenme hızının arttığını ve kopyalama emrinin aksiyon olarak verilmesinin olumlu etki gösterdiği görülmüştür.
Özet (Çeviri)
Social learning is the process by which individuals acquire information from other individuals in their environment and use this information to shape their behavior. This thesis presents a novel Deep Reinforcement Learning algorithm that supports social learning inspired by the copying mechanism in nature using intrinsic feedback. The aim is to increase the learning speed and performance of individuals within a group. Deep Q learning, a well-known reinforcement learning algorithm, is used. Compared to other research using imitation with reinforcement learning, our approach is novel in that the learning agents are controlled by a dual-layer control system, different types of memory are examined, and copying and application behaviors are dynamically controlled by the intelligent agent by defining the actions that the deep neural network can perform according to its nature. Our approach is implemented in a simulation environment. The results of the simulation experiments show that the learning speed increases and the copy command as an action has a positive effect.
Benzer Tezler
- Yapay zekâ ve demokrasi
Artificial intelligence and democracy
AYŞE NUR YAZICILAR
Yüksek Lisans
Türkçe
2023
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. ŞULE ÖZSOY BOYUNSUZ
- İlkokul matematik dersinde ters yüz öğrenme destekli oyunlaştırılmış akran öğretiminin ders başarısı, motivasyonu ve öğrencilerin sosyal becerileri üzerindeki etkisi
The effect of flip learning supported gamified peer teaching on students' achievement, motivation and social skills in primary school mathematics course
HARUN ASLAN
Yüksek Lisans
Türkçe
2025
Eğitim ve ÖğretimBartın ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. MUSTAFA FİDAN
- Sağlık hizmetlerinde MR tabanlı beyin tümörü teşhisi için derin öğrenme destekli bir klinik karar destek sistemi
A deep learning-enhanced clinical decision support system for MRI-based brain tumor diagnosis in healthcare
ÖMER ÇELİK
Doktora
Türkçe
2025
Sağlık Kurumları YönetimiSüleyman Demirel ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
PROF. DR. NEZİHE TÜFEKCİ
DOÇ. DR. İSHAK PAÇAL
- Bir tekstil fabrikasının elektrik tüketim değerlerinin derin öğrenme ile tahminlenmesi
Estimating the electric consumption values of a textile factory with deep learning
HAKAN YURDOĞLU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER GÜLEÇ
- Enhancing disaster management through deep learning: Building damage assessment using satellite imagery
Derin öğrenme ile afet yönetiminin geliştirilmesi: Uydu görüntüleri kullanılarak bina hasar tespiti
MOHAMMADREZA MOHAMMADIAHANI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiAfet ve Acil Durum Yönetimi Ana Bilim Dalı
PROF. DR. DİDEM SALOĞLU DERTLİ