Collaborative Learning with Logic-Based Models

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03142518" target="_blank" >RIV/68407700:21230/08:03142518 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Collaborative Learning with Logic-Based Models

Original language description

Adaptability is a fundamental property of any intelligent system. In this paper, we present how adaptability in multi-agent systems can be implemented by means of collaborative logic-based learning. The proposed method is based on two building blocks: (1) a set of operations centred around inductive logic programming for generalizing agents' observations into sets of rules, and (2) a set of communication strategies for sharing acquired knowledge among agents in order to improve the collaborative learning process. Using these modular building blocks, several learning algorithms can be constructed with different trade-offs between the quality of learning, computation and communication requirements, and the disclosure of the agent's private information. The method has been implemented as a modular software component that can be integrated into the control loop of an intelligent agent.

Czech name

Skupinové učení s logickými reprezentacemi

Czech description

Článek navrhuje a popisuje metodu pro skupinové učení v multi-agentních systémech. Metoda je založena na logických reprezentacích a staví na dvou hlavních komponentách: (1) skupině učebních operací vycházejících z induktivního logického programování (ILP) a (2) souboru komunikačních strategií pro sdílení získané znalosti. Na základě těchto dvou komponent je navrženo několik skupinových učících algoritmů lišících se kvalitou učení, výpočetními a komunikačními nároky a práci s privátní znalostí jednotlivých agentů. Navržená metoda byla implementována jako softwarový modul, jenž může být integrován do řídící smyčky agenta. Metoda byla experimentálně ověřena a vyhodnocena na simulovaném logistickém scénaři, ve kterém se týmy obchodujících agentů učí vlastností prostředí a tím optimalizují svou činnost.

Type

C - Chapter in a specialist book

CEP classification

JC - Computer hardware and software

OECD FORD branch

—

Project

—

Continuities

Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2008

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Book/collection name

Adaptive Agents and Multi-Agent Systems III. Adaptation and Multi-Agent Learning

ISBN

978-3-540-77947-6

Number of pages of the result

15

Pages from-to

—

Number of pages of the book

255

Publisher name

Springer

Place of publication

Heidelberg

UT code for WoS chapter

—