ترجمه فارسی مقاله در جستجوی درختان: ترکیب سیاست درخت تصمیم برای سیستم‌های جعبه سیاه از طریق جستجو

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی In Search of Trees: Decision-Tree Policy Synthesis for Black-Box Systems via Search
عنوان مقاله به فارسی در جستجوی درختان: ترکیب سیاست درخت تصمیم برای سیستم‌های جعبه سیاه از طریق جستجو
نویسندگان Emir Demirović, Christian Schilling, Anna Lukina
فرمت مقاله انگلیسی PDF
تعداد صفحات 9
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Artificial Intelligence,Machine Learning,هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 5 September, 2024; originally announced September 2024. , Comments: 8 pages main text incl. references, 1 page appendix
توضیحات به فارسی ارسال شده در 5 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: 8 صفحه متن اصلی شامل.منابع ، 1 صفحه پیوست
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Decision trees, owing to their interpretability, are attractive as control policies for (dynamical) systems. Unfortunately, constructing, or synthesising, such policies is a challenging task. Previous approaches do so by imitating a neural-network policy, approximating a tabular policy obtained via formal synthesis, employing reinforcement learning, or modelling the problem as a mixed-integer linear program. However, these works may require access to a hard-to-obtain accurate policy or a formal model of the environment (within reach of formal synthesis), and may not provide guarantees on the quality or size of the final tree policy. In contrast, we present an approach to synthesise optimal decision-tree policies given a black-box environment and specification, and a discretisation of the tree predicates, where optimality is defined with respect to the number of steps to achieve the goal. Our approach is a specialised search algorithm which systematically explores the (exponentially large) space of decision trees under the given discretisation. The key component is a novel pruning mechanism that significantly reduces the search space. Our approach represents a conceptually novel way of synthesising small decision-tree policies with optimality guarantees even for black-box environments with black-box specifications.

چکیده به فارسی (ترجمه ماشینی)

درختان تصمیم گیری ، به دلیل تفسیر آنها ، به عنوان سیاست های کنترل برای سیستم های (دینامیکی) جذاب هستند.متأسفانه ، ساخت یا سنتز ، چنین سیاست هایی یک کار چالش برانگیز است.رویکردهای قبلی این کار را با تقلید از یک خط مشی عصبی ، تقریب یک سیاست جدولی به دست آمده از طریق سنتز رسمی ، استفاده از یادگیری تقویت کننده یا الگوبرداری از مشکل به عنوان یک برنامه خطی مخلوط مخلوط انجام می دهند.با این حال ، این آثار ممکن است نیاز به دسترسی به یک سیاست دقیق و دقیق و یا یک مدل رسمی از محیط (در دسترس سنتز رسمی) داشته باشد ، و ممکن است تضمین هایی در مورد کیفیت یا اندازه سیاست نهایی درخت ارائه ندهد.در مقابل ، ما یک رویکرد برای سنتز سیاست های بهینه تصمیم گیری درخت با توجه به یک محیط و مشخصات جعبه سیاه و مشخصات و تفکیک پیش بینی های درخت ارائه می دهیم ، جایی که بهینه با توجه به تعداد مراحل دستیابی به هدف تعریف می شود.رویکرد ما یک الگوریتم جستجوی تخصصی است که به طور سیستماتیک فضای (از نظر نمایی بزرگ) درختان تصمیم گیری را تحت تفسیر داده شده بررسی می کند.مؤلفه اصلی یک مکانیسم هرس جدید است که فضای جستجو را به میزان قابل توجهی کاهش می دهد.رویکرد ما یک روش جدید مفهومی برای سنتز سیاست های کوچک درخت تصمیم گیری با تضمین های بهینه حتی برای محیط های جعبه سیاه با مشخصات جعبه سیاه است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.