یک روش جدید مبتنی بر معیارهای آماری توزیع برای تنظیم خودکار نرخ یادگیری اتوماتای یادگیر در محیط های پویا

یکی از مسایل مطرح در ساخت سیستم های یادگیر نظیر شبکه های عصبی و یا اتوماتای یادگیر، تعیین نرخ یادگیری است. در اکثر موارد از یک الگوریتم کاهش یابنده در طول زمان برای تنظیم نرخ یادگیری استفاده می شود. در این مقاله یک روش جدید برای تغییر نرخ یادگیری و انطباق سیستم یادگیرنده با وضعیت محیط، برای استفاده در اتوماتای یادگیر پیشنهاد شده است. این روش جدید از برخی معیارهای آماری مربوط به توزیع فعلی به دست آمده برای بردار احتمالات متناظر با اقدام های اتوماتا به منظور تعیین افزایش یا کاهش نرخ یادگیری استفاده می کند. مزیت این روش در آن است که بر خلاف روش های موجود فعلی، در طول فرایند یادگیری هم افزایش و هم کاهش مقدار نرخ یادگیری را - بسته به نتایج مقایسه معیارهای آماری - انجام می دهد و به صورت خودکار نرخ یادگیری را تنظیم می کند.
ضمن تشریح مبانی ریاضی این الگوریتم جدید، عملکرد این الگوریتم را در محیط های تصادفی نمونه بررسی کرده و با مقایسه نتایج به دست آمده نشان داده ایم روش پیشنهادی جدید به دلیل این که در طول زمان یادگیری، هم زمان و بر اساس معیارهای تعیین شده، افزایش و کاهش نرخ یادگیری را انجام می دهد، از انعطاف پذیری بیشتری نسبت به روش های قبلی برای انطباق با محیط های تصادفی پویا برخوردار است و مقادیر یاد گرفته شده به مقادیر حقیقی نزدیک تر هستند.