کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4942664 1437414 2017 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A hybrid reinforced learning system to estimate resilience indicators
ترجمه فارسی عنوان
یک سیستم یادگیری تقویتی هیبریدی برای ارزیابی شاخص های انعطاف پذیری
کلمات کلیدی
مهندسی مقاومتی، یادگیری، سیستم های ماشین مردانه،
ترجمه چکیده
این مقاله یک سیستم یادگیری مبتنی بر شاخص های انعطاف پذیری را توصیف می کند. این سیستم یک سیستم یادگیری ترکیبی را برای برآورد عملکرد سیستم سیستم انسانی در شرایط بی سابقه ارائه می دهد. داده های جمع آوری شده از معیارهای مختلف با داده های برآورد شده با استفاده از شاخص های انعطاف پذیری محلی و جهانی مقایسه می شود، که برای هر دو حالت لحظه ای و زمان بندی سیستم انسان و ماشین را ارائه می دهد. سیستم یادگیری می تواند از دو توابع تقویتی جداگانه تشکیل شده باشد؛ اول اجازه تقویت دانش سیستم خود و دوم اجازه می دهد تقویت عملکرد تخمین آن است. هنگامی که در یک روش ترکیبی با هم استفاده می شود، برآورد شاخص انعطاف پذیر باید بهبود یابد. سپس سیستم یادگیری در زمینه حمل و نقل هوایی شبیه سازی شده و تاثیر هر تابع تقویت بر ارزیابی شاخص انعطاف پذیری مورد ارزیابی قرار می گیرد. فرضیه در مورد عملکرد یادگیری تقویت هیبرید تایید شده است و نتایج بهتر از آنچه که توسط تقویت دانش و یا تقویت بر اساس برآورد به تنهایی به دست می آید ارائه می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک سیستم یادگیری تقویتی هیبریدی برای ارزیابی شاخص های انعطاف پذیری
چکیده انگلیسی
This paper describes a learning system based on resilience indicators. It proposes a hybrid learning system to estimate Human-Machine System performance when facing unprecedented situations. Collected data from various criteria are compared with data estimated using the local and the global resilience indicators, to give both instantaneous and over-time Human-Machine System states. The learning system can be composed of two different, separate reinforcement functions; the first allowing reinforcement of its own system knowledge and the second allowing reinforcement of its estimation function. When used together in a hybrid approach, the resilience indicator estimation should be improved. The learning system is then applied in a simulated air transport context and the impact of each reinforcement function on resilience indicator estimation is assessed. The hypothesis on performance of hybrid reinforcement learning is confirmed and it provides better results than those obtained by the knowledge based reinforcement or the estimation based reinforcement alone.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Engineering Applications of Artificial Intelligence - Volume 64, September 2017, Pages 295-301
نویسندگان
, ,