عنوان پایان‌نامه
پیاده سازی درک فعال در مسائل تصمیم گیری و شناسایی
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1597;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 41697;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 1597
- تاریخ دفاع
- ۲۰ مرداد ۱۳۸۸
- دانشجو
- آرش آرامی
- استاد راهنما
- مجید نیلی احمدآبادی
- چکیده
- هدف اصلی در این پژوهش، بررسی تاثیرات کنترل توجه در مسائل مهندسی و به¬خصوص در مسائل تصمیم¬گیری و کنترل است. توجه به عنوان مجموعه سازوکارهایی است که موجب انتخاب بخش¬هایی از اطلاعاتی می¬گردد که عامل از محیطِ اطراف و یا درون خود به منظورِ پردازش و تصمیم گیری برمی¬گزیند. هرچند توجه باعث کاهش هزینه¬های حسگرها و پردازش اطلاعات آن¬ها می¬گردد، وجود این سازوکارها امکان بهبود عملکرد و کاربردپذیری بیشتر در مسائل مختلف تصمیم گیری را به¬همراه خواهد داشت. در این پژوهش سعی گردیده تا نگاه اعمال شده به مساله توجه کلی بوده و توجه به عنوان سازوکاری برای انتخاب از میان منابع مختلف اطلاعات، با در نظر گرفتنِ هزینه¬های پردازشِ حسگرها و انرژی مصرفی فرض گردد. کمبودها و نقاط ضعف روش¬های مبتنی بر یادگیری توجه، مورد بررسی قرار گرفته و راه حلی برای آن ارائه گشته است. این راه حل با استفاده از سلسله مراتب مفاهیم و پیاده¬سازی آن در ذهن عامل امکان پذیر می¬گردد. تاثیر سلسله مراتب مفاهیم روی سرعت و دقت یادگیری توام توجه و تصمیم گیری از طریق تحلیل¬های ریاضی بررسی شده است و مشاهده شده که سرعت یادگیری در حضور سلسله مراتب مفاهیم افزایش می¬یابد. همچنین نشان داده شده است که شکل و ساختار سلسله مراتب، عاملِ تعیین کننده در افزایش سرعت یادگیریِ نام¬برده است. همچنین تاثیر عدم قطعیت در اندازه¬گیری، روی یادگیری تصمیم و توجه به صورت ریاضی تحلیل شده است. در شرایط مشاهداتِ مکرر نیز تحلیلی ریاضی روی پیچیدگی نسبی یادگیری توام توجه و تصمیم صورت گرفته است. چارچوبی برای یادگیری توامِ توجه و تصمیم ارائه و در یک مساله شبیه¬سازی شده¬ی بازشناخت اشیاء به کار گرفته شده است. در تعامل با محیط¬های ناشناخته لزوماً اهمیت، تقدم و تاخر اهداف یک مساله مشخص نیست و این اهداف می¬توانند در تضاد با یکدیگر قرارگیرند. بنابراین وجود سازوکارهایی برای ترکیب این اهداف، توجه به آن¬ها لازم به نظر می¬رسد. در این پژوهش تاثیر ترکیب غیرخطی و یا فازی اهداف و همچنین اعمال توجه به زیرمجموعه¬ای از اهداف در مسائل تصمیم گیری و کنترل بررسی شده است. بدین منظور به کنترلِ چند هدفه و مستقل از مدلِ چند سیستم آزمایشگاهی پرداخته شده است. نتایج حاصل از این پیاده¬سازی¬ها نشان¬دهنده¬ی اهمیت و کارآیی ترکیب¬های غیرخطی و یا فازی اهداف در مسائلِ کنترل بوده است. توجه به فضای اهداف امکان در نظر گرفتن تعداد بیشتری از اهداف را فراهم آورده و باعث افزایش کاربردپذیری عامل¬های تصمیم¬گیر و کنترل کننده¬ها می¬گردد. با توجه به اهمیت یادگیری توجه به فضای اهداف در محیط¬های ناشناخته، چارچوبی برای یادگیری توامِ توجه به فضای حسگری و فضای اهداف، طراحی شده است. این چارچوب در مسائل کنترل چند هدفه و تصمیم گیری پیاده¬سازی شده است.
- Abstract
- Abstract The main purpose of this research is the analysis of the effect of attention control in engineering problems, especially in decision making and control problems. Attention is a sort of mechanisms which select some parts of information and data which captured from the environment or agent itself, to process and make decisions. Attention not only reduces the sensory and processing costs, but it also improves the performance and applicability in different decision making problems. In this work the procedure of implementing attention control in decision making is studied and two frameworks are proposed. This work provides a general outlook on the problem, and attention is defined as the sort of mechanisms for selection from different sources of information, subject to the sensory and processing costs. The necessity of utilizing learning approaches is clarified, and then the shortcomings and weakness of existing learning methods for control of attention and decision making are highlighted. In the next step, a solution for the mentioned difficulties is proposed. This solution is based on the use of hierarchy of concepts and coding it into the agent’s mind. By using mathematical and analytical analysis, we study the effect of the hierarchy of concepts on speed of mutual learning of attention and decision. These analyses reveal that the hierarchy of concepts speeds up the mutual learning. Moreover, this study shows that the shape and structure of the hierarchy of concepts has a significant impact on the extent of the enhancement. Furthermore, the effect of uncertainty in measurement phase on the mutual learning of attention and decision is analyzed, when the agent knows the hierarchy, or does not have any knowledge about it. Repeated observation and use of fusion mechanism can be an appropriate solution dealing with uncertainty in measurement phase. Also, the mathematical analysis shows that the hierarchy of concepts plays an important role in complexity reduction in repeated observation cases. In the next step, a framework for mutual learning of attention and decision is proposed which is adaptable to use for the agents who knows the hierarchy or does not have any knowledge about it. Moreover, this framework is implemented in a simulated object recognition problem. In interaction with unknown environments and problems, the degree of importance, and ascendency of different objectives are not known beforehand, and these objectives can be contradictory. Therefore, there is a need for mechanisms to fuse these goals and attend to a number of them. In this research, the effect of nonlinear and fuzzy fusion of objectives, which is a coded attention, on decision n making and control problems is analyzed. In order to evaluate the effect of attention to the goals and objectives, we consider a bunch of model free control problems. The experimental results show the efficacy of nonlinear and fuzzy fusion of goals or equally the coded attention to the goals in control problems. Attention to the goal space leads to the possibility of considering more objectives and goals in decision making problems, and switching between them based on the states, situations and the degree of satisfaction of each goal. These attention mechanisms improve the applicability of the agents. Furthermore, according the importance of control of attention to the goal space in unidentified environments, a framework for mutual learning of decision and attention to the sensory space and the goal space is proposed. This framework is implemented in two benchmarks, and the experimental results confirm the efficiency of the framework and the usefulness of implementing attentional mechanisms into these spaces.
