Opis Wykładu
Wykład ten
poświęcony jest zagadnieniom projektowania systemów o dużej
autonomii działania często sterowanych przez układy kontrolne
oparte o sieci neuronowe i metody maszynowego uczenia.
Wykład ten kładzie
duży nacisk na rozwój koncepcji samo-organizującego się systemu
uczącego z lokalnie połączonymi elementami obliczeniowymi,
czujnikami i silownikami. Wykład ten przygotuje studentów do
studiowania podstaw obliczeniowych i organizacji hardwarowej systemów
autonomicznych, uczenia i zachowań z określonym celem
działania. W szczególności, wykład omawia jakie są
główne problemy obliczeniowe i hardwarowe aby takie działanie
było efektywnie wykonywane w czasie rzeczywistym.
Celem wykładu jest również omówienie podstaw
robotyki, zasad działania oraz metod konstrukcji i sterowania robotów.
Dodatkowym celem jest ilustracja implementacji systemów autonomicznych
wykorzystujących podstawowe zasady inteligencji obudowanej w sterowaniu i
podejmowaniu decyzji działania w takich systemach.
Dodatkowo, wykład ten
przedstawia zaawansowane koncepcje samo-organizujących się sieci
neuronów. Samo organizujące się sieci neuronowe są
zastosowane do implementacji przestrzenno-czasowych pamięci asocjacyjnych,
statystycznej samo-organizacji i uczenia oraz zorientowanych na określone
cele rozwoju, struktur pamięci. Sieci neuronowe pozwalają w
sposób niealgorytmiczny rozwiązywać problemy, które wymagają
uczenia i prowadzą do zmiany struktur obliczeniowych sieci, które te
problemy rozwiązują.
Uzyteczne strony Internetowe
Reinforcement
Learning Repository University of Massachusetts, Amherst