Реализация отдельных компонент механизма обучения с подкреплением, основанного на моделях, в импульсных нейронных сетях

Проект направлен на разработку структур импульсных нейронных сетей (ИмНС), решающих задачу обучения с подкреплением на основе моделей (model-based reinforcement learning). Такие ИмНС способны эффективно и непрерывно обучаться, взаимодействуя со сложной динамической окружающей средой на основе подаваемых на них сигналов поощрения и наказания, и влияния на внешний мир генерируемых сетью управляющих воздействий. В рамках данного проекта основное внимание будет уделено трем компонентам: 1. Оцениватель близости текущего состояния к целевому (в терминах регрессии или классификации), необходимый для системы планирования действий и определения промежуточных целей. 2. Построитель модели динамики внешнего мира (в терминах недетерминированных Марковских моделей). 3. Модуль нахождения ассоциаций между командами сети и сигналами оценки (как внешними, так и генерируемыми подсистемой промежуточных целей). Этот модуль может быть использован как самостоятельная обучающаяся сеть для решения простейших задач обучения с подкреплением.