Файловая система

Файловая система

Целью системы классификатора является оптимизация усиления на основе воздействия стимулов из конкретной проблемной среды. Это достигается за счет управления присуждением кредита за правила, которые оказались полезными, и за счет исследования новых правил и новых вариантов существующих правил с использованием эволюционного процесса.

Действующие лица в системе классификаторов включают детекторы, сообщения, эффекторы, комментарии и классификаторы. Датчики используются системой для восприятия состояния окружающей среды. Сообщения представляют собой пакеты информации, передаваемые от детекторов к системе. Система выполняет обработку информации о сообщениях, а сообщения могут напрямую приводить к действиям в среде.

Эффекторы контролируют действия системы в окружающей среде. В дополнение к тому, что система активно воспринимает через свои детекторы, она также может получать направленную обратную связь от окружающей среды (усиление). Классификаторы — это правила условного действия, обеспечивающие фильтрацию сообщений. Если сообщение удовлетворяет условной части классификатора, срабатывает действие классификатора. Правила действуют как обработчики сообщений. Сообщение представляет собой строку битов фиксированной длины.

Классификатор определяется как троичная строка с алфавитом в {1, 0, #}, где # представляет любое значение (соответствующее 1 или 0).

Цикл системной обработки выглядит следующим образом:

  1. Сообщения среды помещаются в список сообщений.
  2. Условия каждого классификатора проверяются на соответствие хотя бы одному сообщению в списке сообщений.
  3. Все довольные классификаторы участвуют в конкурсе, действия победителей отображаются в списке сообщений.
  4. Все сообщения, направленные эффекторам, выполняются (вызывают действия в среде).
  5. Все сообщения в списке сообщений из предыдущего цикла удаляются (сообщения сохраняются только в течение одного цикла).

Системы классификаторов подходят для задач со следующими характеристиками: постоянно новые события со значительным шумом, непрерывные требования к действию в реальном времени, неявно или неточно определенные цели и редкие выгоды или подкрепления, которые можно получить только с помощью длинных последовательностей задач.

Скорость обучения для ожидаемого выигрыша, ошибки и пригодности классификатора обычно находится в диапазоне [0,1; 0,2]. Частота выполнениягенетический алгоритм должно быть в диапазоне [25; 50]. Коэффициент дисконтирования, используемый в многоступенчатых программах, обычно составляет около 0,71. Минимальная ошибка, при которой классификаторы считаются имеющими одинаковую точность, обычно составляет 10% от максимального вознаграждения. Вероятность скрещивания в генетическом алгоритме обычно порядка [0,5; 1.0]. Вероятность изменения одной позиции в рабочей книге в генетическом алгоритме обычно находится между [0,01; 0,05].

Порог опыта во время подавления классификатора обычно составляет около 20. Порог опыта для классификатора во время включения обычно составляет около 20. Начальные значения ожидаемого усиления, ошибки и соответствия классификатора обычно малы и близки к нулю. Вероятность выбора случайного действия для разведки обычно близка к 0,5. Минимальное количество различных действий, которые должны быть указаны в наборе соответствия, обычно равно общему количеству возможных действий в среде для ввода.

Подчинение следует использовать в доменах проблемный которые содержат четко определенные правила для сопоставления входных данных с выходными.

файловая система
Делиться
ru_RURU