Neuroverkkosäädin vahvistusoppimisella

Abstract

Tässä opinnäytetyössä tutustuttiin vahvistusoppimiseen ja sen erilaisiin algoritmeihin. Lisäksi luotiin säädin todelliselle prosessille hyödyntäen syvävahvistusoppimista. Työtä ohjanneet tutkimuskysymykset olivat: miksi vahvistusoppiminen toimii ja miten sitä voidaan hyödyntää käytännössä.

Työssä tutkittiin vahvistusoppimisen toimintaa ja erilaisia algoritmeja hyödyntäen alan erilaisia lähteitä kuten aiheen kirjallisuutta ja tutkimusartikkeleita. Käytännön osuudessa määriteltiin käytettävä kohdeprosessi, joka mallinnettiin ja sille koulutettiin säädin käyttäen SAC-algoritmia.

Lopuksi tarkasteltiin luodun säätimen toimintaa prosessin mallinnuksella, sekä todellisella prosessilla. Pohdittiin ratkaisuja työssä kohdattuihin ongelmiin, kuten säätimen koulutuksen parametrointiin ja ohjauksen ennustettavuuteen. Lisäksi työssä esitellään kehityskohteita ja mahdollisia käyttökohteita vahvistusoppimisella luodulle säätörakenteelle

The purpose of this thesis was to introduce reinforcement learning and some of its various algorithms. In addition, reinforcement learning was used to create a controller for a real process. The thesis aims to explain reinforcement learning working principles and a way to utilize reinforcement learning in practice.

The work examined the functioning of reinforcement learning and some of its various algorithms, utilizing various sources in the field such as literature and research articles on the subject. In the practical part, the target process was defined and modeled. A controller was trained for the target process using SAC-algorithm.

Finally, the controller’s operation was examined using the model of the process as well as the real process. Solutions for encountered problems such as the algorithm parametrization during training and the predictability of the control were considered. In addition, the development targets and possible use cases for the controllers created with reinforcement learning were presented.