Get 20M+ Full-Text Papers For Less Than $1.50/day. Start a 14-Day Trial for You or Your Team.

Learn More →

Modellheuristiken für effizientes forward model learning

Modellheuristiken für effizientes forward model learning ZusammenfassungForward Model Learning, also das Erlernen vorwärtsgerichteter Modelle aus Daten, findet Anwendung in der vorhersagebasierten Regelung. Dazu werden Ein- und Ausgaben des Systems beobachtet, um ein Transitionsmodell zu erstellen und Vorhersagen über zukünftige Zeitschritte zu ermöglichen. Insbesondere komplexe Zustandsräume erfordern den Einsatz von spezialisierten Such- und Modellbildungsverfahren. In dieser Arbeit stellen wir Abstraktionsheuristiken für hochdimensionale Zustandsräume vor, welche es ermöglichen, die Modellkomplexität zu reduzieren und in vielen Fällen ein interpretierbares Ergebnis herbeizuführen. In zwei Fallstudien zeigen wir die Wirksamkeit des vorgestellten Verfahrens anhand von Methoden der Künstlichen Intelligenz in Spielen und in Motion Control Szenarien. Deren Übertragung ermöglicht vielversprechende Anwendungen in der Automatisierungstechnik. http://www.deepdyve.com/assets/images/DeepDyve-Logo-lg.png at - Automatisierungstechnik de Gruyter

Modellheuristiken für effizientes forward model learning

at - Automatisierungstechnik , Volume 69 (10): 10 – Oct 26, 2021

Loading next page...
 
/lp/de-gruyter/modellheuristiken-f-r-effizientes-forward-model-learning-3P6sWq1PnT
Publisher
de Gruyter
Copyright
© 2021 Walter de Gruyter GmbH, Berlin/Boston
ISSN
2196-677X
eISSN
2196-677X
DOI
10.1515/auto-2021-0037
Publisher site
See Article on Publisher Site

Abstract

ZusammenfassungForward Model Learning, also das Erlernen vorwärtsgerichteter Modelle aus Daten, findet Anwendung in der vorhersagebasierten Regelung. Dazu werden Ein- und Ausgaben des Systems beobachtet, um ein Transitionsmodell zu erstellen und Vorhersagen über zukünftige Zeitschritte zu ermöglichen. Insbesondere komplexe Zustandsräume erfordern den Einsatz von spezialisierten Such- und Modellbildungsverfahren. In dieser Arbeit stellen wir Abstraktionsheuristiken für hochdimensionale Zustandsräume vor, welche es ermöglichen, die Modellkomplexität zu reduzieren und in vielen Fällen ein interpretierbares Ergebnis herbeizuführen. In zwei Fallstudien zeigen wir die Wirksamkeit des vorgestellten Verfahrens anhand von Methoden der Künstlichen Intelligenz in Spielen und in Motion Control Szenarien. Deren Übertragung ermöglicht vielversprechende Anwendungen in der Automatisierungstechnik.

Journal

at - Automatisierungstechnikde Gruyter

Published: Oct 26, 2021

Keywords: Vorwärtsgerichtete Modelle; Zerlegung vorwärtsgerichteter Modelle; lokale vorwärtsgerichtete Modelle; objekt-basierte vorwärtsgerichtete Modelle; autonome Steuerung; forward model learning; decomposition of forward models; local forward model; object-based forward model; autonomous control

There are no references for this article.