Αλγόριθμος ενισχυτικής μάθησης για ρύθμιση διεργασιών με
κατασκευή νευρωνικών δικτύων ακτινικής βάσης σε πραγματικό
χρόνο

Πετσαγκουράκης, Παναγιώτης; Petsagourakis, Panagiotis

dc.contributor.author	Πετσαγκουράκης, Παναγιώτης	el
dc.contributor.author	Petsagourakis, Panagiotis	en
dc.date.accessioned	2015-11-26T08:45:28Z
dc.date.available	2015-11-26T08:45:28Z
dc.date.issued	2015-11-26
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/41668
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.11134
dc.rights	Default License
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Δυναμικός προγραμματισμός	el
dc.subject	Ρύθμιση διεργασιών	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Ενισχυτική μάθηση	el
dc.subject	Process control	en
dc.subject	Reinforcement learning	en
dc.subject	Neural networks	el
dc.subject	Dynamic programming	el
dc.subject	Artificial intelligence	el
dc.title	Αλγόριθμος ενισχυτικής μάθησης για ρύθμιση διεργασιών με κατασκευή νευρωνικών δικτύων ακτινικής βάσης σε πραγματικό χρόνο	el
heal.type	bachelorThesis
heal.classification	Αυτόματος έλεγχος	el
heal.classification	Τεχνητή νοημοσύνη	el
heal.classification	Δυναμικός προγραμματισμός	el
heal.classification	Ρύθμιση διεργασιών	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-07-07
heal.abstract	Η ρύθμιση ενός μη γραμμικού συστήματος δεν μπορεί να πραγματοποιηθεί με ευκολία, ειδικά όταν υπάρχει μη γραμμικότητα και στη μεταβλητή εισόδου (non affine). Η ενισχυτική μάθηση δίνει τη δυνατότητα να σχεδιαστεί online ένας ευσταθής ρυθμιστής χωρίς καμία γνώση για το σύστημα. Ο εν λόγο ρυθμιστής έχει δύο οντότητες, το action νευρωνικό δίκτυο και το critic νευρωνικό δίκτυο. Το πρώτο προσεγγίζει το μη γραμμικό κομμάτι του συστήματος και παράγει ένα μέρος του σήματος εισόδου, ενώ από την άλλη το critic εφαρμόζεται για να προσεγγίζει τη συνάρτηση κόστους με στόχο να ανανεώσει τα βάρη του action νευρωνικού δικτύου. Οι περισσότερες εφαρμογές που εμφανίζονται βιβλιογραφικά στην online μάθηση, μέσω νευρωνικών δικτύων λαμβάνουν τυχαίες αρχικές τιμές για το διάνυ- σμα των βαρών που συνδέει τους νευρώνες εισόδου με τους κρυφούς νευρώνες. Το αποτέλεσμα αυτής της διαδικασίας είναι η απόδοση του συστήματος να αλλάζει σε κάθε προσομοίωση. Στην παρούσα εργασία, εφαρμόστηκε μια διαφορετική προσέγγιση, όπου χρησιμοποιήθηκαν νευρωνικά δίκτυα ακτινικής βάσης (RBF neural networks), όπου τα κέντρα των συναρτήσεων ενεργοποίησης, αλλά και ο αριθμός νευρώνων (nodes) πλέον αλλάζουν και αυτά με online κινήσεις. Για το σκοπό αυτό χρησιμοποιήθηκε ο αλγόριθμος online fuzzy means, όπου επιλέγει σε κάθε χρονική στιγμή αν θα αυξηθούν τα κέντρα. Αυτή η προσέγγιση εφαρμόστηκε σε 3 προβλήματα. Το πρώτο αποτελείται από ένα μη γραμμικό non affine μαθηματικό σύστημα, ενώ τα άλλα δυο εξάγονται από το χώρο της χημικής μηχανικής.	el
heal.abstract	Controlling a nonlinear system is not an easy task, especially, when the input variable consists of a non-affine term. Reinforcement learning provides the opportunity to design online a stable controller without any knowledge of the system itself. The proposed controller has two entities, an action neural network and a critic neural network. The action neural network approximates the nonlinear part of the system’s dynamics, and generates the control signal. On the other hand, the critic neural network is implemented to approximate the cost function, aiming to update the adaptable weights of the action network. In literature, there are many applications of the control theory applied on online learning. Most of them initialize randomly the weight vector from the input layer to the hidden layer and continuously hold it constant. The result of this is that the performance changes at each simulation. In this project a different approach is implemented, using Radial Basis Function (RBF) networks as artificial neural networks to tackle this problem. The online fuzzy means algorithm is used at the learning procedure, updating not only the parameters (centers of the RBF) but also the number of the nodes of the networks. Consequently, every parameter of the networks is trained online instead of offline. This approach is applied on three examples. The first one is a nonlinear, non-affine discrete system and the other two are taken from chemical engineering application.	en
heal.advisorName	Σαρίμβεης, Χαράλαμπος	el
heal.committeeMemberName	Μπουντουβής, Ανδρέας	el
heal.committeeMemberName	Κυρανούδης, Χρήστος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Χημικών Μηχανικών. Τομέας Ανάλυσης, Σχεδιασμού και Ανάπτυξης Διεργασιών και Συστημάτων	el
heal.academicPublisherID	ntua
heal.numberOfPages	117 σ.	en
heal.fullTextAvailability	true