Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "IMITATION" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Transcendentalism, social embeddeddness, and the problem of individuality
    Autorzy:
    Michalska, Anna
    Powiązania:
    https://bibliotekanauki.pl/articles/2076701.pdf
    Data publikacji:
    2021-12-24
    Wydawca:
    Uniwersytet Pedagogiczny im. Komisji Edukacji Narodowej w Krakowie. Instytut Filozofii i Socjologii
    Tematy:
    normativity
    social embeddedness
    transcendentalism
    social development
    psychological development
    imitation learning
    Opis:
    It would not be much of an exaggeration to say that the notion of ecological and social embeddedness is one of the most exploited philosophical ideas these days, both in the academia and beyond. The most troublesome about the overall trend is that many proponents of the idea of social embeddedness simplistically consider selfhood as a form of aberration which merely provides vindication for inequality and violence. In this paper, instead of attacking the problem of the individual versus the collective head-on, I approach it by way of a critique of Stephen Turner’s repudiation of transcendental collectivism (Turner, 1994; Turner, 2010). According to Turner, transcendental entities, such as tacit knowledge, presuppositions, or traditions, should be altogether removed from explanatory schemata in the social sciences. I believe that Turner’s razor cuts too deep and the rejection of implicit framing is at best premature. Against the background of the identified shortcomings of Turner’s model of interactive learning, I track the interrelations between social development and the development of the self with an eye to showing that the relationship between individual selves and social reality is an extremely complex and multifactorial matter which we cannot hope to navigate without a proper transcendental frame. The frame is what mediates the relationship between the individual and the collective.
    Źródło:
    ARGUMENT: Biannual Philosophical Journal; 2021, 11, 2; 447-463
    2083-6635
    2084-1043
    Pojawia się w:
    ARGUMENT: Biannual Philosophical Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza możliwości wykorzystania algorytmów uczenia maszynowego w środowisku Unity
    Analysis of the possibilities for using machine learning algorithms in the Unity environment
    Autorzy:
    Litwynenko, Karina
    Plechawska-Wójcik, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/1837823.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Lubelska. Instytut Informatyki
    Tematy:
    uczenie ze wzmocnieniem
    uczenie przez naśladowanie
    Unity
    reinforcement learning
    imitation learning
    Opis:
    Algorytmy uczenia ze wzmocnieniem zyskują coraz większą popularność, a ich rozwój jest możliwy dzięki istnieniu narzędzi umożliwiających ich badanie. Niniejszy artykuł dotyczy możliwości zastosowania algorytmów uczenia maszynowego na platformie Unity wykorzystującej bibliotekę Unity ML-Agents Toolkit. Celem badania było porównanie dwóch algorytmów: Proximal Policy Optimization oraz Soft Actor-Critic. Zweryfikowano również możliwość poprawy wyników uczenia poprzez łączenie tych algorytmów z metodą uczenia przez naśladowanie Generative Adversarial Imitation Learning. Wyniki badania wykazały, że algorytm PPO może sprawdzić się lepiej w nieskomplikowanych środowiskach o nienatychmiastowym charakterze nagród, zaś dodatkowe zastosowanie GAIL może wpłynąć na poprawę skuteczności uczenia.
    Reinforcement learning algorithms are gaining popularity, and their advancement is made possible by the presence of tools to evaluate them. This paper concerns the applicability of machine learning algorithms on the Unity platform using the Unity ML-Agents Toolkit library. The purpose of the study was to compare two algorithms: Proximal Policy Optimization and Soft Actor-Critic. The possibility of improving the learning results by combining these algorithms with Generative Adversarial Imitation Learning was also verified. The results of the study showed that the PPO algorithm can perform better in uncomplicated environments with non-immediate rewards, while the additional use of GAIL can improve learning performance.
    Źródło:
    Journal of Computer Sciences Institute; 2021, 20; 197-204
    2544-0764
    Pojawia się w:
    Journal of Computer Sciences Institute
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An automated driving strategy generating method based on WGAIL–DDPG
    Autorzy:
    Zhang, Mingheng
    Wan, Xing
    Gang, Longhui
    Lv, Xinfei
    Wu, Zengwen
    Liu, Zhaoyang
    Powiązania:
    https://bibliotekanauki.pl/articles/2055167.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    automated driving system
    deep learning
    deep reinforcement learning
    imitation learning
    deep deterministic policy gradient
    system jezdny
    uczenie głębokie
    uczenie przez naśladowanie
    Opis:
    Reliability, efficiency and generalization are basic evaluation criteria for a vehicle automated driving system. This paper proposes an automated driving decision-making method based on the Wasserstein generative adversarial imitation learning–deep deterministic policy gradient (WGAIL–DDPG(λ)). Here the exact reward function is designed based on the requirements of a vehicle’s driving performance, i.e., safety, dynamic and ride comfort performance. The model’s training efficiency is improved through the proposed imitation learning strategy, and a gain regulator is designed to smooth the transition from imitation to reinforcement phases. Test results show that the proposed decision-making model can generate actions quickly and accurately according to the surrounding environment. Meanwhile, the imitation learning strategy based on expert experience and the gain regulator can effectively improve the training efficiency for the reinforcement learning model. Additionally, an extended test also proves its good adaptability for different driving conditions.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2021, 31, 3; 461--470
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Imitation learning of car driving skills with decision trees and random forests
    Autorzy:
    Cichosz, P.
    Pawełczak, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/329901.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    imitation learning
    behavioral cloning
    model ensemble
    random forest
    control
    autonomous driving
    car racing
    decision tree
    drzewo decyzyjne
    lasy losowe
    sterowanie
    wyścigi samochodowe
    Opis:
    Machine learning is an appealing and useful approach to creating vehicle control algorithms, both for simulated and real vehicles. One common learning scenario that is often possible to apply is learning by imitation, in which the behavior of an exemplary driver provides training instances for a supervised learning algorithm. This article follows this approach in the domain of simulated car racing, using the TORCS simulator. In contrast to most prior work on imitation learning, a symbolic decision tree knowledge representation is adopted, which combines potentially high accuracy with human readability, an advantage that can be important in many applications. Decision trees are demonstrated to be capable of representing high quality control models, reaching the performance level of sophisticated pre-designed algorithms. This is achieved by enhancing the basic imitation learning scenario to include active retraining, automatically triggered on control failures. It is also demonstrated how better stability and generalization can be achieved by sacrificing human-readability and using decision tree model ensembles. The methodology for learning control models contributed by this article can be hopefully applied to solve real-world control tasks, as well as to develop video game bots.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2014, 24, 3; 579-597
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies