COMPUTATIONAL MODEL COMPARISON IN THE TWO-STEP DECISION-MAKING TASK

Universiteit Gent
2021
Frederik
De Spiegeleer
Een veelgebruikte taak om beter te verstaan hoe mensen gebruik maken van doelgericht en gewoontegedrag werd recentelijk gesuggereerd niet optimaal te zijn om de balans tussen doelgericht en gewoontegedrag te meten. Wij wilden testen of dit het geval is en of we het gedrag in de taak beter kunnen begrijpen op een andere dimensie van gedrag. Het huidige onderzoek toont aan dat dit werkelijk het geval is en kaart aan dat toekomstig onderzoek een aantal factoren in rekening moet houden wanneer ze deze taak willen gebruiken.
Meer lezen

Neural Tree Distillation to explain Deep Reinforcement Learning Policies

Vrije Universiteit Brussel
2021
Senne
Deproost
Hoe kan je binnenkijken in het digitale brein van een AI? Dit werk focust zich op Explainable Artificial Intelligence (XAI) en een techniek om het gedrag van een Deep Reinforcement Learning (DRL) agent over te brengen naar een meer interpreteerbaar model. We verbeteren een recente techniek, dat van neurale bomen in combinatie met knowledge distillation, met een adaptieve vorm die ons kleinere en beter verstaanbare modellen oplevert.
Meer lezen

QoS-EQ-Routing: QoS-aware routing using Machine Learning

Universiteit Antwerpen
2018
Thomas
Hendriks
In deze thesis wordt een algoritme voorgesteld dat het multi-hop netwerk routing probleem in draadloze ad hoc netwerken oplost. Deze oplossing zal gebaseerd zijn op machine learning. Om dit doel te bereiken wordt eerst
een literatuurstudie van vergelijkbare machine learning algoritmes en andere alternatieven ondernomen, evenals hun toepassingen in draadloze netwerken. De focus zal liggen op multi-hop routing algoritmes voor draadloze netwerken. Als resultaat van deze studie zal er een set vereisten zijn waaraan een algoritme voor multi-hop routing voor draadloze netwerken moet voldoen om verbeteringen bij te kunnen dragen aan bestaande oplossingen. Gebaseerd op deze set vereisten zal een volgende stap eruit bestaan om een machine learning algoritme te ontwerpen dat aan die vereisten voldoet, en dat algoritme in gesimuleerde omgevingen te implementeren. Het resulterende machine
learning gebaseerde multi-hop routing algoritme zal geëvalueerd worden in zijn performantie en worden vergeleken met andere bestaande oplossingen,
zowel uit het machine learning domein als uit het traditionele domein. Een laatste stap zal er vervolgens uit bestaan om het algoritme uit te breiden met mogelijkheden nodig om de kwaliteit van de service van netwerkverkeer
te kunnen garanderen.
Meer lezen