MEGHÍVÓ
Szeretettel meghívjuk Kummer Alex előadására
az Adatelemzés és Optimalizálás Szeminárium keretében
2024. március 26-án kedden 12:15 órai kezdettel
Az előadás élőben lesz megtartva a H306 teremben.

Előadó: Dr. Kummer Alex, Pannon Egyetem

Az előadás címe: Meg lehet tanítani az AI-t viselkedni?*

Absztrakt: A megerősítéses tanulás egy olyan gépi tanulási módszer, amelyben egy tanuló ágens a környezetében lépéseket hajt végre, majd az ezekre adott reakciók alapján tanul. A cél az, hogy az ügynök olyan döntéseket hajtson végre, amellyel maximalizálja a jutalmat és/vagy minimalizálja a büntetést.

Az előadás során a megerősítéses tanulás alapelveit és módszereit lehet megismerni, annak az előnyeit és a hátrányait, illetve az ágens működésébe és döntéshozásába kapunk betekintést. Az előadás célja, hogy átfogó képet adjon a megerősítéses tanulásról és annak alkalmazásairól.

Alkalmazási példák:
- Robotika és automatizálás: Megerősítéses tanulás alkalmazható robotok tanítására különböző feladatokra. Például egy robotkar meg tudja tanulni, hogy hogyan csomagoljon be termékeket egy raktárban, vagy egy önvezető autó megtanulhatja, hogyan navigáljon különböző közlekedési helyzetekben.
- Játéktervezés: A számítógépes játékokban a megerősítéses tanulást gyakran használják az ellenfelek vagy a karakterek irányítására. A karakterek megtanulják a
játékrendszer sajátosságait és a legjobb stratégiákat annak érdekében, hogy maximalizálják a pontszámot vagy a túlélési esélyeket.
- Vegyipar: A vegyiparban a megerősítéses tanulást alkalmazhatják folyamatok optimalizálására és irányítására. Például a rendszer megtanulhatja, hogy milyen feltételek mellett működnek a katalizátorok hatékonyan vagy hogyan állítsa be a reakciók sebességét és termékkimenetét, vagy a megerősítéses tanulást alkalmazni tudjuk a különböző folyamatirányítási szinteken is.
*Supported by ChatGPT

Minden érdeklődőt szeretettel várunk!

Kovács Edith, Burai Pál