Reinforcement learning algorithm based on psychological model of autonomous system

• Autorzy: Święcicki M. , Wais P. , Wajs W.

Warianty tytułu

PL

Algorytm uczenie ze wzmocnieniem bazujący na psychologicznym modelu systemu autonomicznego

• Języki publikacji: EN

Abstrakty

EN

In this paper we describe the mechanism of a learning system, which is based on psychological model of autonomous system. The control autonomous agent has recently been the subject of intense research. A variety of approaches from engineering and artificial intelligence have been used to study different aspects of robot control. Many of these efforts are aimed at the developing of simple intelligent behavior. The paper presents autonomous agent as mobile robot controllers based on conception of autonomous agent as a cybernetic model of an autonomous system. It is based on psychological and biological phenomena which may be observed in living organisms. Our autonomous system is characterized by robust and reliable self-adaptation to the characteristic of the environment without external supervision or control. In this paper we describe implementation of an autonomous system to control mobile robots and preliminary results of experiment.

PL

W pracy tej model autonomicznego agenta przedstawiono jako cybernetyczny model systemu autonomicznego. Model ten był wzorowany na zjawiskach psychicznych oraz biologicznych, które występują w żywych organizmach. W opisie systemu zostały wyodrębnione trzy podstawowe bloki funkcjonalne - korelator, homeostat, akumulator - wraz z dokładnym omówieniem ich funkcji. Na proces uczenia tego typu modelu istotny wpływ mają interakcje pomiędzy torem informacyjnym i torem energetycznym, co zostało pokazane w tej pracy. W tym artykule została przedstawiona i omówiona przykładowa realizacja systemu.

Słowa kluczowe

EN

reinforcement learning; correlator; effectors; alimentators; homeostat; state of functional equilibrium of the autonomous

PL

uczenie ze wzmocnieniem; korelator; efektor; alimentator; homeostat; stan równowagi funkcjonalnej systemu autonomicznego

• Wydawca: Uniwersytet Jagielloński - Collegium Medicum ; Index Copernicus Sp. z o.o.
• Czasopismo: Bio-Algorithms and Med-Systems
• Rocznik: 2005
• Tom: Vol. 1, no. 1/2
• Strony: 37--44
• Opis fizyczny: Bibliogr. 7 poz., rys., wykr.

Twórcy

autor

Święcicki M.

• Instytut Modelowania Komputerowego, Politechnika Krakowska, Kraków

autor

Wais P.

• Instytut Politechniczny, Państwowa Wyższa Szkoła Zawodowa w Krośnie, Krosno

autor

Wajs W.

• Katedra Automatyki Akademii Górniczo-Hutniczej, Kraków

Bibliografia

• 1. Maruichi T, Tokoro M.: „Modeling Autonomous Agents and Their Groups". In Demazeu Y. (Ed.) Decentralized AI. Proceedings of The First European Workshop on Modelling Autonomous Agents in a Multi-Agent World, Cambridge, 1989 England.
• 2. Mazur M.: Cybernetyczna teoria układów samodzielnych, Państwowe Wydawnictwo Naukowe 1966.
• 3. Mazur M.: Cybernetyka i charakter, AULA 1996.
• 4. Tadeusiewicz R: Sieci Neuronowe, Akademicka Oficyna Wydawnicza RM 1993.
• 5. Wajs W, Święcicki M.: Neuron model of an autonomous agent, Proceedings of the Third Conference Neural Networks and Their applications and Summer School on Neural Networks Applications to Signal Processing, KULE 97, Poland.
• 6. Wajs W, Święcicki M.: Neural Network Model of Autonomous Agent for Decision Support System, International Congress on Modeiling and Simulation MODSIM 97, Australia.
• 7. Wajs W, Święcicki M.: Static Neural Network Based Self Learning Autonomous System. Pre-proceedings of the First International Conference on Philosophy and Computer Science, Kraków 1998, Poland.