کنترل آونگ وارون با بهره گیری از داده های منفی

در فرآیند آموزش الگوریتم های یادگیری، همواره داشتن مجموعه داده های آموزشی مناسب مورد توجه است. وجود داده های پرت، داده های نویزی و داده های نامناسب، همواره بر عملکرد الگوریتم های موجود تاثیرگذار است. روش یادگیری فعال ، یکی از ابزارهای قدرتمند در محاسبات نرم است که از نحوه عملکرد مغز انسان بهره می گیرد. عملکرد این الگوریتم کاملا مبتنی بر محاسبات ساده است و یک سیستم چند- ورودی تک- خروجی را به صورت مجموعی از سیستم های تک- ورودی تک- خروجی در نظر می گیرد و با شکستن مسئله پیچیده به چندین مسئله ساده تر موجب درک پذیری ساده آن می شود. در این مقاله برای بهبود عملکرد این الگوریتم، با تغییراتی در فرآیند آموزش، از داده هایی تحت عنوان داده های منفی استفاده شده است. در روش یادگیری فعال به واسطه استفاده از اپراتور پخش قطره جوهر، بهره گیری از داده های منفی در فرآیند آموزش امکان پذیر است. با این اقدام، سیاستی مشابه سیاست پاداش و جزاء در روش های یادگیری تقویتی اجراء می شود. شبیه سازی های انجام شده بیان از عملکرد مناسب و افزایش قدرت محاسباتی روش پیشنهادی نسبت به روش موجود دارد و مقدار fvu، 0.0143 حاصل شده است. همچنین با روش پیشنهادی، افزایش دقت و سرعت در فرآیند کنترل سیستم پاندول معکوس، که یک مسئله کلاسیک در سیستم های کنترل می باشد، کاملاً مشهود است. 

inverted pendulum control using negative data

   in the training phase of learning algorithms, it is always important to have a suitable training data set. the presence of outliers, noise data, and inappropriate data always affects the performance of existing algorithms. the active learning method (alm) is one of the powerful tools in soft computing inspired by the computation of the human brain. the operation of this algorithm is completely based on simple calculations and tries to model a multi-input single-output (miso) system as a set of single-input single-output (siso) subsystems and breaks a complex problem into several simpler problems. each of the subsystems is then modeled by an ink drop spread (ids) plane. in this paper, to improve the performance of alm, with changes in how it works, data called negative data has been used. in the alm, it is possible to use negative data in the training phase by using the ids operator. by doing so, a policy similar to the reward and punishment policy is in reinforcement learning methods is used. to investigate the accuracy of the proposed algorithm, some simulations in control have been done on an inverted pendulum system and the fvu value is 0.0143. the simulations results confirm the proper performance and increase the computational power of the proposed method compared to the existing method.