Μηχανική μάθηση και εικονικά περιβάλλοντα για ενίσχυση της ανθρώπινης μάθησης: εφαρμογή στην κατανομή φυσικών πόρων

Περίληψη

Αντικείμενο της παρούσας διδακτορικής διατριβής αποτελεί η διερεύνηση του προβλήματος κα-τανομής φυσικών πόρων με χρήση τεχνικών από τον χώρο της μηχανικής μάθησης, όπως ταπολυπρακτορικά μοντέλα προσομοίωσης και η ενισχυτική μάθηση, καθώς και η χρήση τεχνικώνεικονικής πραγματικότητας για την προβολή των ευρημάτων της έρευνας.Στην ερευνητική περιοχή της μοντελοποίησης βάσει πρακτόρων και της θεωρίας παιγνίων,που αποτέλεσαν και την μαθηματική βάση για τη μελέτη του προβλήματος, η έρευνα εστιάστηκεσε μια ad-hoc τεχνική για την προσομοίωση και μοντελοποίηση κοινωνικών και φυσικών φαι-νομένων, τα πολυπρακτορικά μοντέλα. Αναπτύχθηκε ένα πρωτότυπο πολυπρακτορικό μοντέλοπροσομοίωσης, το οποίο έχει τη δυνατότητα να προσομοιώνει με ακρίβεια τη διαδικασία διαμοι-ρασμού ενός υδάτινου πόρου σε μια κοινωνία χρηστών, οι οποίοι εκμεταλλεύονται τον πόρο γιαβιοποριστικούς λόγους. Το προτεινόμενο μοντέλο έχει τη δυνατότητα να προσομοιώνει διάφο-ρες πολιτικές διαμοιρασμού του πόρου και διάφορες συμπεριφορ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This PhD thesis studies the problem of natural resource allocation using machine learningprinciples, such as multi-agent modelling and reinforcement learning, in combination withthe use of virtual reality techniques for the visualization of the research findings.In the areas of agent based modelling and game theory, which set the mathematicalfoundation for the study of the problem, existing modeling approaches and multi-agent simulationplatforms are studied. Research is focused on multi-agent simulation models, anad-hoc technique for modelling social and natural phenomena with interacting users. Moreprecisely, a novel multi-agent simulation model (stochastic game) is introduced, that simulatesthe exploitation of a natural resource by a community of users that exploit the resourcein order to survive. The proposed model is capable of simulating various resource allocationpolicies and various user behavours, while its novelty lies in the fact that it encapsulatessocio-economical prameters ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/41556
ND
41556
Εναλλακτικός τίτλος
Machine learning and virtual environments for human learning enhancement: application to resource allocation
Συγγραφέας
Μπαρμπαλιός, Νικόλαος του Νικόλαος
Ημερομηνία
2013
Ίδρυμα
Πανεπιστήμιο Θεσσαλίας. Σχολή Επιστημών του Ανθρώπου. Τμήμα Παιδαγωγικό Ειδικής Αγωγής
Εξεταστική επιτροπή
Τζιώνας Παναγιώτης
Παρασκευόπουλος Στέφανος
Καραγιαννίδης Χαράλαμπος
Βαβουγυιός Διονύσιος
Χρηστίδου Βασιλεία
Βακάλη Αθηνά
Ιωαννίδου Ειρήνη
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Μηχανική μάθηση; Πολυπρακτορική μάθηση; Ενισχυτική μάθηση; Στοχαστική βελτιστοποίηση; Περιβαλλοντική μοντελοποίηση; Εικονικά περιβάλλοντα; Δίλλημα κοινόχρηστων πόρων
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
212 σ., εικ., πιν., χαρτ., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)