May, 2013

经典学习代理的投影模拟：综合研究

PDF
TL;DR本文研究了基于偏迹模拟（PS） 的人工智能模型，通过分析模型性能，包括可达效率、学习时间和这两个属性与问题维度的比例，研究了 PS 代理在不同学习场景中的能力及其与 Q - 学习和学习分类器系统两个流行模型的性能对比，得出了 PS 是一种具有独特性质和优势的竞争性人工智能模型的结论。
projective simulationartificial intelligencestochastic processinglearning abilitiesreinforcement learning
发现论文，激发创造
  • 用于人工智能的投影模拟

    本文提出了一种学习智能体的模型，其与环境的交互由基于模拟的投射控制，该模型通过随机行走的方式对记忆片段网络进行模拟，筛选特定特征以触发智能体动作，提供了一种新的基于实体认知科学的智能行动学习途径，并与强化学习和量子计算领域进行了连接。

    Apr, 2011

  • 具有泛化能力的投影模拟

    通过提出几个泛化的标准以及一种动态且自主的机制，本文介绍了如何在项目模拟智能代理中实现有意义的泛化，从而使代理可以学习和应对大量数据，配合一个基于非常简单的原则的基本的项目模拟模型和泛化机制，使我们能够全面分析代理的性能并展示它通过泛化的益处。

    Apr, 2015

  • 多激励投影模拟与受多体物理启发的归纳偏置

    深度学习和可解释人工智能领域的研究。介绍了 Projective Simulation 和 Multi-Excitation Projective Simulation 方法以及与超图可视化的应用，通过量子多体物理的少体相互作用模型解决超图的复杂性问题，并在实验中展示了资源节约和可解释性的方面。

    Feb, 2024

  • 利用预测状态表示关闭学习和规划循环

    本文提出并演示了一种精确学习环境模型的新算法，该算法从行动 - 观测对的序列中直接学习此类环境的模型，并通过在学习的模型中进行规划并恢复一个接近原始环境的最优策略实现从观测到行动的闭环。

    Dec, 2009

  • 利用投影模拟在不断变化的环境中的自适应量子计算

    本文研究如何通过智能代理和投影模拟器适应外部杂波对基于测量的量子计算进行干扰，以及在 Grover 搜索算法中纠正杂散场，为基于智能代理的自适应控制器提供了一种解决量子信息任务的路径。

    Jul, 2014

  • 使用单光子量子行走进行强化学习和决策制定

    本文研究将参数化的量子电路代替经典神经网络，应用于量子机器学习中的可变分子量子算法，并提出使用可调谐马赫 - 泽德干涉仪晶格的单光子量子行走来量子化项目模拟模型，并展示这种模型在强化学习任务上的表现优于其经典对应物，最后探讨了量子干涉在训练和决策过程中的作用。

    Jan, 2023

  • 通过视觉猜谜游戏学习到的神经表示的泛化能力实证研究

    本文研究了一个人工智能代理在玩猜谜游戏时如何受益，以便之后在诸如视觉问答（VQA）之类的新领域中表现更好，并提出了两种方法来利用猜谜游戏：一种是监督学习场景，代理学习模仿成功的猜测游戏，另一种是自我游戏，称为自我游戏通过迭代经验学习（SPIEL）。作者评估了两个过程的泛化能力，并在 CompGuessWhat？！测评工具套件上展示了评估结果。结果显示，在范围内评估中，与竞争对手相比，代理的准确率提高了 7.79 个点；在转移评估中，得益于通过 SPIEL 学习的更细粒度的对象表示，VQA 在 TDIUC 数据集上的表现在谐波平均准确度上提高了 5.31 个点。

    Jan, 2021

  • 短时、情节性和语义记忆系统的机器

    使用认知科学理论作为参考，研究者构建了一种基于知识图谱的具有短期、情节和语义记忆系统的智能体，并通过深度 Q 学习方法来使这个智能体在自己设计的强化学习环境中学会如何驾驭记忆来最大效益地回答问题。结果表明，与没有类似记忆结构的智能体相比，拥有人类式记忆系统的智能体在该环境下的表现更为出色。

    Dec, 2022

  • 利用预测状态推断机器学习进行滤波

    提出了一种名为 PREDICTIVE STATE INFERENCE MACHINE（PSIM）的数据驱动方法，用于推断动态系统的预测状态空间，并且实现了一些基于机器人的测试。

    Dec, 2015

  • 适应不同觅食环境的人工学习智能体群行为发展

    应用投影模拟和强化学习方法研究了人工智能智能体在收集资源过程中不同集体运动模式和个体运动趋势

    Apr, 2020