ابداع روش یادگیری عمیق برای حل مکعب روبیک

کالین جی جانسون(Colin G.

Johnson)، دانشیار دانشگاه ناتینگهام به تازگی روش یادگیری عمیقی ابداع کرده است که می تواند از تعدادی راه حل نمونه برای حل یک مشکل کلی استفاده کرده و اصطلاحا عملکرد مناسب را بیاموزد.

- کالین جی جانسون(Colin G.

Johnson)، دانشیار دانشگاه ناتینگهام به تازگی روش یادگیری عمیقی ابداع کرده است که می تواند از تعدادی راه حل نمونه برای حل یک مشکل کلی استفاده کرده و اصطلاحا "عملکرد مناسب" را بیاموزد.

به گزارش سایت قطره و به نقل ازایسنا و به نقل از تک اکسپلور، این روش که در مقاله ای در مجله ی Wiley s Expert Systems به چاپ رسیده است ابتدا برای حل مکعب روبیک طراحی شده بود.

کالین جی جانسون می گوید: هدف مقاله ی ما استفاده از یادگیری ماشینی برای آموختن حل مکعب روبیک بود.

مکعب روبیک پازل بسیار پیچیده ای است اما بسیاری از این معماها در بیشترین حالت 20 قدم تا حل شدن فاصله دارند و رویکردی که ما پیش گرفته ایم تلاش برای حل این مسئله با یادگرفتن هر مرحله به صورت جداگانه است.

این روش که توسط جانسون ابداع شده مبتنی بر دو روش اصلی است: یادگیری گام به گام و استفاده از شبکه ی عصبی.

در این روش سعی می شود تا مکعب روبیک مرحله به مرحله حل شود به جای آن که حل کردن کل آن به یک باره یاد گرفته شود.