Strojové učení pro adaptivní báze pravidel

Bc. Michal JALŮVKA

Master's thesis

Machine learning for adaptive rule base

Abstract:

Tato diplomová práce se zabývá návrhem vlastního přístupu strojového učení, jenž umožňuje adaptaci bází pravidel. Tento přístup využívá fuzzy inferenční mechanismus pro rozhodování, konečný automat pro přepínání bází pravidel a učitele, který generuje nejvhodnější pravidla pro danou činnost (dovednost), která má být naučena. Fuzzy inferenční mechanismus, jenž je používán, je integrací jádra LFLCore, které bylo vytvořeno v Ústavu pro výzkum a aplikací fuzzy modelování (IRAFM). Vlastní přístup strojového učení byl otestován na jednotlivých experimentech, v nichž se systém učí pohybovat s klouby, kterými disponuje. To, jakým způsobem má pohybovat s jednotlivými klouby, je dáno vzory, které jsou systému předloženy před začátkem učení. V závěru této práce jsou zhodnoceny výsledky, zmíněny možné úpravy a je formulován závěr.

Abstract:

This diploma thesis deals with the design of the original approach for the machine learning, which allows the rule-base adaptation. This approach uses the fuzzy inference mechanism for decision making, the finite-state machine for the rule-base switching and the teacher Supervisor for creating the most suitable rules for the activity (skill), which is supposed to be learned. The used fuzzy inference mechanism is the integration of LFLCore, which was developed in Institute for Research and Applications of Fuzzy Modeling (IRAFM). The original approach of machine learning was tested in the individual experiments, in which the system learns to move with its joints. How the system moves with its joints is given by the patterns, which are submitted before the beginning of learning. The evaluated results with the possible modifications are mentioned in the end of this thesis as well as the formulated conclusion.

Keywords

strojové učení, fuzzy inferenční systém, konečný automat, učitel, vzor, adaptace, adaptivní, báze pravidel

Language used: Czech

Date on which the thesis was submitted / produced: 26. 6. 2017

Thesis defence

• Date of defence: 23. 8. 2017
• Supervisor: doc. RNDr. PaedDr. Eva Volná, Ph.D.

University of Ostrava

Faculty of Science

Master programme / field:
Information Science / Information Systems