جستجو
نقش پردازش موازی در افزایش سرعت همگرایی الگوریتمهای یادگیری تقویتی
هومن حسینیه فراهانی1 فرشته نصیری2 منصوره غیاث آبادی3
چکیده :
یادگیری تقویتی بهعنوان یکی از كاربردهاي مهم در حوزه هوش مصنوعی می باشد و نقش مهمی در حل مسائل تصمیمگیری پیچیده، پویا و مبتنی بر تعامل ایفا میکند. با وجود موفقیتهای چشمگیر این رویکرد، هزینه محاسباتی بالا، سرعت همگرایی پایین و ناکارآمدی در مقیاسهای بزرگ، چالشهای اساسی در کاربرد عملی آن به شمار میآیند. هدف اصلی این پژوهش بررسی تأثیر پردازش موازی بر افزایش سرعت همگرایی و بهبود کارایی الگوریتمهای یادگیری تقویتی در محیطهای پیچیده است. این مطالعه از نوع پیمایشی–همبستگی بوده و با بهرهگیری از شبیهسازی مبتنی بر مدل انجام شده است.
جامعه آماری شامل مجموعهای از محیطهای استاندارد یادگیری تقویتی با ویژگیهای پیچیدگی بالا بوده و نمونهها بهصورت هدفمند انتخاب شدهاند و همچنین ابزار پژوهش، چارچوب پردازش موازی الگوریتمهای یادگیری تقویتی ارائه شده که در آن، تجربیات عاملها بهصورت همزمان جمعآوری و بهطور هوشمند ادغام میشوند. تحلیل دادهها با استفاده از روشهای آماری توصیفی، تحلیل همبستگی و مقایسه عملکرد الگوریتمها انجام پذیرفته است. نتایج پژوهش نشان میدهد که بهکارگیری پردازش موازی منجر به کاهش معنادار زمان همگرایی که باعث افزایش پایداری فرآیند یادگیری و بهبود بهرهوری نمونهها میشود و همچنین، مدیریت پویای درجه موازیسازی و ادغام مؤثر تجربیات، ضمن حفظ کیفیت سیاست نهایی، کارایی کلی سیستم را ارتقا میدهد. در مجموع، یافتههای این مقاله حاکی از آن است که پردازش موازی میتواند بهعنوان راهکاری کارآمد برای غلبه بر محدودیتهای محاسباتی یادگیری تقویتی و توسعه الگوریتمهای مقیاسپذیر در مسائل واقعی هوش مصنوعی مورد استفاده قرار گیرد.
کلمات کلیدی : واژههاي كليدي یادگیری تقویتی پردازش موازی همگرایی الگوریتمها یادگیری توزیعشده هوش مصنوعی
زبان مقاله : فارسی
محور مقاله : محورهای نظری هوش مصنوعی
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABBGDF
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABBGDF
سایر مقالات ارائه دهنده
- یادگیری تقویتی عمیق چندهدفه با وزندهی پویا و تطبیق سریع با استفاده از شبکههای شرطی و تکرار تجربه متنوع
- نقش پردازش موازی در افزایش سرعت همگرایی الگوریتمهای یادگیری تقویتی
- چارچوب امنیتی هوشمند مبتنی بر هوش مصنوعی در اینترنت اشیا و شبکههای حسگر بیسیم
- رویکردهای یادگیری عمیق برای تشخیص ناهنجاری در شبکههای حسگر بیسیم
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems