Informacja

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

Wyszukujesz frazę "agent learning" wg kryterium: Temat


Wyświetlanie 1-8 z 8
Tytuł:
The use of cognitive agent programs in management support
Wykorzystanie kognitywnych programów agentowych we wspomaganiu zarządzania
Autorzy:
Wuczyński, Maciej
Golec, Paweł
Hernes, Marcin
Rot, Artur
Gryncewicz, Wiesława
Fojcik, Marcin
Franczyk, Bogdan
Dyvak, Mykola
Powiązania:
https://bibliotekanauki.pl/articles/1182303.pdf
Data publikacji:
2020
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
cognitive agents
decision support
agent learning
use of cognitive agents
agenty kognitywne
wspomaganie decyzji
uczenie się agentów
zastosowanie agentów kognitywnych
Opis:
Nowoczesna gospodarka, oparta na informacji i wiedzy, zmusza organizacje do korzystania z narzędzi informatycznych, które wspierają procesy zarządzania. Autorzy przedstawili koncepcję wykorzystania kognitywnych programów agentowych do wspomagania zarządzania. Programy te potrafią śledzić zjawiska i procesy ekonomiczne zachodzące w organizacji oraz w jej otoczeniu, prowadzić dogłębną analizę informacji, wyciągać wnioski i podejmować konkretne działania. Cechy agentów kognitywnych pozwalają organizacjom na uzyskanie przewagi konkurencyjnej dzięki szybszemu podejmowaniu trafnych decyzji na poziomie operacyjnym, taktycznym i strategicznym oraz ograniczeniu wpływu takich cech ludzkich, jak emocje lub zmęczenie, na realizację zadań. W pierwszej części artykułu przedstawiono charakterystykę kognitywnych programów agentowych. Następnie przeanalizowano i zaprezentowano obszary zarządzania, w których mogą one być wykorzystywane. Ostatnia część artykułu zawiera wnioski i kierunki dalszych prac badawczych.
Źródło:
Informatyka Ekonomiczna; 2020, 3 (57); 73-82
1507-3858
Pojawia się w:
Informatyka Ekonomiczna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multi agent deep learning with cooperative communication
Autorzy:
Simões, David
Lau, Nuno
Reis, Luís Paulo
Powiązania:
https://bibliotekanauki.pl/articles/1837537.pdf
Data publikacji:
2020
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
multi-agent systems
deep reinforcement learning
centralized learning
Opis:
We consider the problem of multi agents cooperating in a partially-observable environment. Agents must learn to coordinate and share relevant information to solve the tasks successfully. This article describes Asynchronous Advantage Actor-Critic with Communication (A3C2), an end-to-end differentiable approach where agents learn policies and communication protocols simultaneously. A3C2 uses a centralized learning, distributed execution paradigm, supports independent agents, dynamic team sizes, partiallyobservable environments, and noisy communications. We compare and show that A3C2 outperforms other state-of-the-art proposals in multiple environments.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2020, 10, 3; 189-207
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
How to Model an Engaging Online Quiz? The Emotion Modeling Approach
Autorzy:
Zulkifli, Syazwanie Filzah binti
WaiShiang, Cheah
Khairuddin, Muhammad Asyraf bin
Jali, Nurfauza binti
Bujang, Yanti Rosmunie binti
Powiązania:
https://bibliotekanauki.pl/articles/2058500.pdf
Data publikacji:
2022
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
emotion modeling
agent-oriented modeling
learning technology
Opis:
The article focuses on software technology used to provide a more engaging and exciting learning environment for students by introducing a variety of quizzes. Presently, quiz development can range from simple multiple-choice questions, true or false, drag-and-drop, dropdown menu selections, to 3D interactive techniques. This study introduces a systematic way of creating an engaging application using emotion modeling. Emotion models are being introduced in order to collect and model the systems’ meaningful emotional needs. According to the findings, agent-oriented modeling is capable of modeling the emotional requirements of a system and of transforming these into a specific solution enabling to rapidly prototype an engaging system. A quantitative study has been performed on the novel approach to determine the feasibility of the proposed methodology in terms of analyzing, designing, and developing engaging applications.
Źródło:
Journal of Telecommunications and Information Technology; 2022, 1; 54--63
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An agent-based model of consumer choice. An evaluation of the strategy of pricing and advertising
Autorzy:
Kot, Michał
Powiązania:
https://bibliotekanauki.pl/articles/2175832.pdf
Data publikacji:
2022
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
consumer choice
agent-based model
learning consumer
Opis:
The authors develop an agent-based model of the market where firms and consumers exchange products. Consumers in the model are heterogeneous in terms of features, such as risk-aversion or owned assets, which impact their individual decisions. Consumers constantly learn about products’ features through personal experience, word-of-mouth, or advertising, update their expectations and share their opinions with others. From the supply-side of the model, firms can influence consumers with two marketing tools: advertising and pricing policy. Series of experiments have been conducted with the model to investigate the relationship between advertising and pricing and to understand the underlying mechanism. Marketing strategies have been evaluated in terms of generated profit and recommendations have been formulated.
Źródło:
Operations Research and Decisions; 2022, 32, 1; 73--95
2081-8858
2391-6060
Pojawia się w:
Operations Research and Decisions
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Handling realistic noise in multi-agent systems with self-supervised learning and curiosity
Autorzy:
Szemenyei, Marton
Reizinger, Patrik
Powiązania:
https://bibliotekanauki.pl/articles/2147129.pdf
Data publikacji:
2022
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
deep reinforcement learning
multi-agent environment
autonomous driving
robot soccer
self-supervised learning
Opis:
Most reinforcement learning benchmarks – especially in multi-agent tasks – do not go beyond observations with simple noise; nonetheless, real scenarios induce more elaborate vision pipeline failures: false sightings, misclassifications or occlusion. In this work, we propose a lightweight, 2D environment for robot soccer and autonomous driving that can emulate the above discrepancies. Besides establishing a benchmark for accessible multiagent reinforcement learning research, our work addresses the challenges the simulator imposes. For handling realistic noise, we use self-supervised learning to enhance scene reconstruction and extend curiosity-driven learning to model longer horizons. Our extensive experiments show that the proposed methods achieve state-of-the-art performance, compared against actor-critic methods, ICM, and PPO.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2022, 12, 2; 135--148
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Reinforcement Learning in Ship Handling
Autorzy:
Łącki, M.
Powiązania:
https://bibliotekanauki.pl/articles/117361.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
Ship Handling
Reinforcement Learning
Machine Learning Techniques
Manoeuvring
Restricted Waters
Markov Decision Process (MDP)
Artificial Neural Network (ANN)
multi-agent environment
Opis:
This paper presents the idea of using machine learning techniques to simulate and demonstrate learning behaviour in ship manoeuvring. Simulated model of ship is treated as an agent, which through environmental sensing learns itself to navigate through restricted waters selecting an optimum trajectory. Learning phase of the task is to observe current state and choose one of the available actions. The agent gets positive reward for reaching destination and negative reward for hitting an obstacle. Few reinforcement learning algorithms are considered. Experimental results based on simulation program are presented for different layouts of possible routes within restricted area.
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2008, 2, 2; 157-160
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modeling learning on dynamic behaviour of synapses
Autorzy:
Fernando, S.
Cho, Y. I.
Nakamura, Y.
Matsuzaki, S.
Marasinghe, A.
Powiązania:
https://bibliotekanauki.pl/articles/333128.pdf
Data publikacji:
2009
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
nauczanie
krótkoterminowa plastyczność
długoterminowa plastyczność
plastyczność synaptyczna
learning
short-term plasticity
long-term plasticity
agent systems
Opis:
Learning is a process involved in multiple timescales. As per biology, changes which last from milliseconds to seconds and hours to days are the main mediators for the formation of short-term and long-term memory. It is obvious that, memory formation is neither static nor it is restricted into a one phase of life. Every step we keep in our life, even it succeed or fail or no matter what happen, we learn from them and acquire invaluable knowledge on that, which makes us easy manipulation on similar events in future. Thus continuous learning in a dynamic environment is a necessary qualification for the researches which are interested in studying phenomena, such as addiction, stress, noise, etc on such a dynamic learning environments. This research proposes a new approach of modelling our nervous system with the intention of implementing learning on dynamic environment.
Źródło:
Journal of Medical Informatics & Technologies; 2009, 13; 175-180
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of agent-based simulated annealing and tabu search procedures to solving the data reduction problem
Autorzy:
Czarnowski, I.
Jędrzejowicz, P.
Powiązania:
https://bibliotekanauki.pl/articles/907819.pdf
Data publikacji:
2011
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
redukcja danych
komputerowe uczenie się
optymalizacja
system wieloagentowy
data reduction
machine learning
A-Team
optimization
multi-agent system
Opis:
The problem considered concerns data reduction for machine learning. Data reduction aims at deciding which features and instances from the training set should be retained for further use during the learning process. Data reduction results in increased capabilities and generalization properties of the learning model and a shorter time of the learning process. It can also help in scaling up to large data sources. The paper proposes an agent-based data reduction approach with the learning process executed by a team of agents (A-Team). Several A-Team architectures with agents executing the simulated annealing and tabu search procedures are proposed and investigated. The paper includes a detailed description of the proposed approach and discusses the results of a validating experiment.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2011, 21, 1; 57-68
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-8 z 8

    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