Tebrikler Dr. Alper Ahmetoğlu

Alper Ahmetoğlu doktora tezini başarıyla savundu!

Hayat Boyu Öğrenme için Nörosembolik Gösterimler  

Özet  

Bu tez, derin sinir mimarilerinin yüksek boyutlu vektörleri işleme avantajlarını klasik yapay zeka arama teknikleriyle birleştirerek, robot öğrenme için yeni bir çerçeve sunar. Bu çerçeve, robotun sürekli duyarga hareket verilerini ve sonlu varlıklardan oluşan alanları birleştirmek için tasarlanmıştır. Amaç, etkileşimler yoluyla toplanan çevre bilgilerini uygun bir sembolik forma dönüştürmek ve istenen bir duruma ulaşmak için bir arama ağacı oluşturmaktır. Çerçeve, darboğaz katmanında ikili etkinleştirmelerle bir kodlayıcı-dekoder tipi ağdan oluşur. Çevrenin durumu, bir nesne özellikleri kümesi olarak temsil edilir ve kodlayıcıya girdi olarak verilir. Çıktı, bir nesnenin sembolü olarak işlenen bir kesikli vektördür ve aksiyon vektörüyle birlikte dekodere verilir. Dekoder, ajanın yürütülen eylemden kaynaklanan etkiyi tahmin eder. Ağ eğitildikten sonra, sürekli olarak temsil edilen çevre tanımını sembolik vektörlere dönüştürebiliriz. Bu, bu semboller üzerinde tanımlanan çevredeki geçişleri tanımlayan kuralların oluşturulmasına olanak tanır. Bu kurallar, bir hedef durumu aramak için kullanılacak olan bağımsız planlayıcıların kullanılmasına izin veren planlama alanı tanım dili (PDDL) olarak çevrilebilir. Masada nesne manipülasyonu kurulumlarında yaptığımız deneyler, sistemin çevre sembollerini öğrenerek, istenen yükseklikte nesne kuleleri ve nesneler arasındaki ilişkileri modellemeyi gerektiren karmaşık nesne yapıları oluşturmasına olanak tanıyan uygun semboller öğrenebildiğini göstermektedir. Çerçeve, farklılaştırılabilir bloklarla inşa edildiği için, derin öğrenmedeki son gelişmelerin kolayca eklenmesini sağlar, bu da çeşitli yönlere genişletilebilir hale getirilmesini sağlar.