В работе рассматривается гибридный подход к задаче обучения с подкреплением (RL) с использование графов знаний. Данный подход видится более перспективным и гибким по сравнению с подходами основанными только на классических и неросетевых подходах в задачах, где есть большое количество структурированной информации о задаче. В частности анализируется поведение данного гибридного подхода с использованием зашумлённых или не полных данных в исходном графе знаний. Неполные данные могут возникать в различных прикладных областях, где доступ к полной информации о состояниях и действиях ограничен или недоступен. Исследование подобных ситуаций призвано раскрыть устойчивость и эффективность представленного гибридного RL алгоритма в условиях ограниченной информации.

Смоляков И.Ю. (науч. рук. Муромцев Д.И.) ВЛИЯНИЕ ШУМА И НЕПОЛНОТЫ ДАННЫХ ГРАФА ЗНАНИЙ В ЗАДАЧЕ ОБУЧЕНИЯ С ПОДКРЕПЛЕНИЕМ // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2024]. URL: https://kmu.itmo.ru/digests/article/13442