Multi-agent learning. In multi-agen

Multi-agent learning. In multi-agent learning, a group of distributed, learning agents improves its group performance through collective experience. The agent-based paradigm is ideal for supporting distributed and collaborative ontology learning. Agents are able to locate and translate disparate referenced concepts and improve concept precisions as they enhance their experience from others. It is proven that agents are able to: 1) learn diverse ontologies; 2) locate, share, and integrate knowledge; 3) improve group performance through experience; and 4) introduce novel approach and novel algorithms.

결과 (한국어) 1:

멀티 에이전트 학습입니다. 멀티 에이전트 학습에 분산된 학습 에이전트 그룹 집단 경험을 통해 그 그룹의 성능을 향상 시킵니다. 에이전트 기반 패러다임 분산 및 협업 온톨로지 학습 지원에 이상적입니다. 에이전트 찾아 이질적인 참조 개념을 번역 하 고 그들은 다른 사람에서 그들의 경험을 향상 개념 정밀도 향상 수 있습니다. 그것은 증명 그 요원 수: 1) 배우고 다양 한 온톨로지; 2) 찾아 공유 하 고 통합 지식; 3) 경험;을 통해 그룹 성능 향상 그리고 4) 참신 한 접근 및 새로운 알고리즘을 소개 합니다.

결과 (한국어) 2:

멀티 에이전트 학습. 멀티 에이전트 학습, 분산의 그룹, 학습 에이전트에서 집단 경험을 통해 그 그룹의 성능을 향상시킵니다. 에이전트 기반 패러다임은 분산 및 협업 온톨로지 학습을 지원하기위한 이상적입니다. 에이전트는 찾아 서로 다른 참조 개념을 번역하고 그들이 다른 사람들로부터 자신의 경험을 향상 같은 개념의 정밀도를 향상시킬 수 있습니다. 이 에이전트가 할 수있는 것을 입증 : 1) 다양한 온톨로지를 배우 라 2) 주를 찾은 지식을 통합; 3) 그룹 경험을 통해 성능을 개선; 4) 새로운 접근 방식과 새로운 알고리즘을 소개합니다.

결과 (한국어) 3:

많이 Agent 공부하다.더 Agent 공부 한 팀 분포 그 성능 통해 대리 그룹 단체 경험을 학습하다.대리 모드입니다. 이상적인 지원 분산 및 본체 공부하다.대리 수 있는 위치 및 번역 다른 참조 개념 및 개념 정밀도 높이다 높이다 그들 은 그들의 남의 경험을 가지고 있다.사실을 증명할 수 있는, 대리: 1) 다른 요지 파악; 2) 위치, 공유 지식과 통합; 3) 경험을 통해 팀 성능 향상; 4) 새로운 방법 및 새로운 알고리즘 소개.