Samoučící se autonomní systémy s využitím odloženého učení

Abstract

Tato diplomová práce se zabývá samoučícími se autonomními systémy využívajícími odložené učení. Práce představuje koncept adaptivní evoluční architektury, která je optimalizována pro nasazení na vestavěných systémech s omezenými výpočetními prostředky. Na rozdíl od standardních přístupů, které vyžadují výkonné externí výpočetní jednotky pro trénování, navržený systém je schopen učit se a adaptovat přímo na cílovém kontroleru. Systém využívá hierarchii modelů, kde primární model je v případě selhání dočasně doplněn o specializovaný lokální model pro problematickou oblast. Po ověření úspěšnosti lokálního modelu jsou jeho znalosti integrovány zpět do primárního modelu, čímž dochází k evolučnímu zlepšování celého systému. Práce zahrnuje implementační detaily, testování na syntetických datech a simulačních scénářích a analýzu výsledků navrženého řešení.