Uczenie się maszyn:
tematy projektów

Oferowane do wyboru są dwa typy tematów projektu:

implementacyjne: polegające na całkowicie samodzielnej implementacji pewnego algorytmu uczenia się i eksperymentalnym zbadaniu jego właściwości w przykładowym prostym zastosowaniu,
symulacyjne: polegające na zastosowaniu wybranego algorytmu uczenia się (implementowanego z możliwością wykorzystania dostępnych bibliotek) do symulowanego realistycznego zadania.

W tematach implementacyjnych nacisk jest położony na samodzielność i jakość implementacji algorytmu oraz zakres przeprowadzonych badań. W tematach symulacyjnych nacisk jest położony na sposób zastosowania algorytmu do zadania, a do jego implementacji jest możliwe wykorzystanie w pewnym zakresie (po uzgodnieniu) gotowych bibliotek.

Tematy implementacyjne

Tematy implementacyjne są określone przez rodzinę algorytmów, z której ma pochodzić konkretny implementowany algorytm. Wybór tematu tego typu polega na wybraniu jego numeru i przekazaniu swojej decyzji pocztą elektroniczną.

Szczegółowy sposób interpretacji tematu, w tym wybór konkretnego algorytmu, założenia implementacji i zakres badań, wymagają indywidualnej konkretyzacji i uzgodnienia w ramach konsultacji. Opis przyjętej intepretacji tematu musi się znaleźć w specyfikacji projektu.

Indukcja reguł.
Indukcja drzew decyzyjnych.
Indukcyjne programowanie logiczne.
Uczenie się automatów.
Uczenie się ze wzmocnieniem.

Tematy symulacyjne

Tematy symulacyjne są określone przez typ wykonywanego zadania oraz rodzinę algorytmów, z których ma pochodzić zastosowany algorytm. Wybór tematu tego typu polega w związku z tym na wybraniu zadania i wykorzystywanych algorytmów uczenia się oraz przekazaniu swojej decyzji pocztą elektroniczną.

Każde z proponowanych zadań oraz każda z proponowanych grup algorytmów wymaga konkretyzacji, której należy dokonać indywidualnie kierując się własnymi zainteresowaniami i w razie potrzeby korzystając z konsultacji. Opis skonkretyzowanego zadania i algorytmów musi się znaleźć w specyfikacji projektu.

Zadania

Należy wybrać zadanie z poniższej listy, a przy zgłaszaniu tematu wskazać wybrane zadanie za pomocą etykiety umieszczonej w nawiasach kwadratowych.

[simbad] Sterowanie mobilnego robota z wykorzystaniem symulatora Simbad. Konkretyzacja tego zadania wymaga określenia sensorów wykorzystywanych do obserwacji otoczenia, dostępnych dla robota akcji (typów ruchów) i celów działania/kryteriów oceny robota, a także wybrania/zaprojektowania przykładowych środowisk, w których robot się będzie poruszać.
[torcs] Sterowanie samochodu na torze z wykorzystaniem symulatora TORCS. Konkretyzacja tego zadania wymaga określenia zakresu wykorzystywanych informacji opisujących tor oraz sytuację samochodu, dostępnych dla "kierowcy" akcji i celów działania/kryteriów oceny "kierowcy", a także wybrania samochodu i wybrania przykładowych torów, na których będzie odbywać się jazda.

Algorytmy

Należy wybrać grupę algorytmów z poniższej listy, a przy zgłaszaniu tematu wskazać wybraną grupę algorytmów za pomocą etykiety umieszczonej w nawiasach kwadratowych.

[drzewa] Indukcja drzew decyzyjnych (na podstawie przykładów zgromadzonych w trakcie demonstracji sterowania przez człowieka lub ustalony algorytm wzorcowy). Konkretyzacja tej grupy algorytmów wymaga precyzyjnego określenia algorytmów budowy i przycinania drzewa, reprezentacji przykładów (atrybutów i kategorii), sposobu generowania przykładów trenujących oraz sposobu wykorzystania uzyskanego drzewa do sterowania.
[reguły] Indukcja reguł (na podstawie przykładów zgromadzonych w trakcie demonstracji sterowania przez człowieka lub ustalony algorytm wzorcowy). Konkretyzacja tej grupy algorytmów wymaga precyzyjnego określenia algorytmów budowy i przycinania zbiorów reguł, reprezentacji przykładów (atrybutów i kategorii), sposobu generowania używanych przykładów trenujących oraz sposobu wykorzystania zbioru reguł do sterowania.
[rl] Uczenie się ze wzmocnieniem (na podstawie nagród przyznawanych w trakcie sekwencji prób i błędów). Konkretyzacja tej grupy algorytmów wymaga wybrania algorytmu uczenia się ze wzmocnieniem, określenia reprezentacji stanów, zbioru akcji i funkcji nagrody, metody reprezentacji funkcji wartości oraz strategii eksploracji.

Strona przedmiotu UM

Paweł Cichosz

Uczenie się maszyn:tematy projektów

Tematy implementacyjne

Tematy symulacyjne

Zadania

Algorytmy

Uczenie się maszyn:
tematy projektów