دراسة تأثير عدد طبقات الشبكة العصبونية العميقة في تحسين مكافأة روبوت التعلم المعزز
الكلمات المفتاحية:
التعلم المعزز، شبكة عصبونية عميقة، تحسين مكافاهالملخص
تعتبر خوارزمية Q learning في التعلم المعزز احدى الخوارزميات التي تسمح للروبوت بتعلم البيئة المحيطة دون الحاجة الى عينات تدريب مسبقة بمبدأ المكافأة والعقاب للروبوت من خلال التفاعل مع البيئة. تم في هذا البحث دراسة تأثير عدد الطبقات الخفية المستخدمة في الشبكة العصبونية لتحسين مكافاة الروبوت حيث اظهرت المحاكاة انه يمكن بزياده عدد الطبقات الخفية للشبكة العصبونية العميقة المستخدمة وضبط بعض المعاملات العليا فيها زياده مكافاة الروبوت وبالتالي الحصول على افضل مسار لتحقيق الهدف.
التنزيلات
منشور
2023-10-01
كيفية الاقتباس
ابراهيم م. .اسامة, د.م. سمير كرمان, & د.م. رؤوف حمدان. (2023). دراسة تأثير عدد طبقات الشبكة العصبونية العميقة في تحسين مكافأة روبوت التعلم المعزز. مجلة جامعة دمشق للعلوم الهندسية, 39(3). استرجع في من https://journal.damascusuniversity.edu.sy/index.php/engj/article/view/4526
إصدار
القسم
المقالات
