1伦敦经济学和政治科学学院哲学,逻辑和科学方法摘要:情节记忆是过去事件的记忆。它特征在于在思想中“重播”自己的经历的经历。这种生物学现象激发了AI中几种“经验重播”算法的发展。在本章中,我询问经验重播算法是否可能揭示出关于情节记忆功能的难题:情节记忆有什么促进发现它的认知系统?我认为,经验重播算法可以作为情节记忆的理想化模型,以解决这个问题。以DQN算法为案例研究,我建议这些算法为助记符帐户提供了一些支持,在哪些情节内存的功能中,信息在存储,编码和检索信息。通过扩展和适应经验重播算法,我们可能会进一步了解情节记忆的操作和对认知的贡献。关键字:情节内存;经验重播;人工智能;认知角色功能;模型
摘要 - 将无人驾驶汽车(UAV)整合到搜救(SAR)任务中提出了提高运营效率和有效性的有前途的途径。但是,这些任务的成功不仅取决于无人机的技术能力,还取决于他们的接受和与人类在地面上的互动。本文探讨了以人为中心因素对SAR任务的无人机轨迹计划的影响。我们介绍了一种基于分析层次结构过程增强的强化学习和基于新颖的相似性的经验重播,以优化无人机轨迹,平衡运营目标与人类舒适性和安全考虑因素。另外,通过一项全面的调查,我们研究了性别线索和拟人化设计对无人机设计对公众接受和信任的影响,从而揭示了对SAR中无人机互动策略的重大影响。我们的贡献包括(1)无人机轨迹计划的增强学习框架,该框架动态整合了多目标考虑因素,(2)对人类对性别和拟人化无人机的看法在SAR上下文中的分析,(3)基于相似性的经验重播的应用,以在复杂的SAR场景中提高学习效率。这些发现为设计无人机系统提供了宝贵的见解,这些系统不仅在技术上熟练,而且还与以人为本的价值观保持一致。
摘要:在本文中,我们提出了一种基于增强学习的端到端学习方法,用于在有障碍的动态环境中自动驾驶移动机器人。应用两种附加技术来加固学习同时帮助移动机器人找到最佳政策,以无需碰撞而到达目的地。首先,多功能奖励整形技术通过利用有关目的地和障碍的信息来指导代理商实现目标。接下来,采用事后的经验重播技术来解决由稀疏奖励问题引起的经验不平衡,可以帮助代理商找到最佳政策。我们在模拟和现实世界环境中验证了所提出的技术。为了评估所提出方法的有效性,我们比较了五种不同情况的实验。
在大脑中如何形成情节记忆是神经科学界的出色难题。对于情节学习至关重要的大脑区域(例如海马)的特征是经常连通性并产生频繁的OfflINE重播事件。重播事件的功能是主动争论的主题。循环连接性,计算模拟显示,当与合适的学习算法(例如通过时间反向传播)(BPTT)结合使用时,可以实现序列学习。bptt在生物学上并不合理。我们第一次在这里描述了在可逆的复发性神经网络R2N2中,BPTT的生物学上是一个合理的变体,它严重利用了o ine-ine-ine-Replay来支持情节学习。该模型使用向前和向后的o ffl ine重播,分别执行快速的一次性学习和统计学习的两个复发神经网络之间传递信息。不喜欢标准BPTT中的重播,此体系结构不需要人工外部存储器存储。此体系结构和方法的表现优于现有解决方案,并说明了海马重播事件的功能意义。我们使用计算机科学的基准测试来演示R2N2网络属性,并模拟啮齿动物延迟交替的T-Maze任务。
美国之音 (VOA) 位于中美洲、南美洲和中太平洋地区的听众现在正在收听位于加利福尼亚州德拉诺的 Jack R. Poppele 发射站发射的节目。该发射站曾被称为德拉诺中继站,上个月以 Jack R. Poppele 的名字重新命名,他在 20 世纪 50 年代曾担任两届美国之音台长。Poppele 的职业生涯始于船上的无线电操作员。后来,他开发了定向信号,参与了第一个跨大西洋广播和第一个便携式广播工作室。他还为 AM 广播引入了立体声。该发射站位于加利福尼亚州圣华金谷。它是美国之音 14 个全球广播设施之一。该站的三台 250,000W 自动调谐 Collins 发射机和四台 250,000W Brown Boveri 发射机用于常规 AM 短波广播。此外,两台 50,000W 大陆电子独立边带发射机专门用于将美国之音节目转播到其他海外中继站。发射机可以通过全矩阵天线切换系统连接到 12 个幕式或五个菱形发射天线中的任何一个。这些天线能够将美国之音的信号传送到拉丁美洲、太平洋和远东地区。为了完成其使命,Jack R. Poppele 发射站每天用英语、西班牙语和克里奥尔语广播大约 10.5 个发射小时的美国之音节目。节目通过卫星互联系统 (SIS) 从华盛顿特区分发到电台。广播公司要求 FCC 彻底改革 FM 广播