Vorlesungsfolien

Weitere Magazine

Empfehlungen

Info

Jörn Fischer - j.fischer@hs-mannheim.de - Raum 113a - Tel. (0621)292-6767 Reinforcement Learning Approximation der Value Funktion Multi Resolution PartiGame Algorithmus (Moore 1994) generalisiert über Zustände Generiert neue Zustände gemäß eines Minimax Kriteriums
Jörn Fischer - j.fischer@hs-mannheim.de - Raum 113a - Tel. (0621)292-6767 Reinforcement Learning Hierarchisches Reinforcement Learning Feudal Q-Learning (Dayan & Hinton, 1993; Watkins, 1989) ● ● Im einfachsten Fall: high-level master Modul und low-level slave Modul Master bekommt Reinforcement vom Environment ● Master gibt Kommandos an die low-level Module und belohnt sie, selbst wenn es keinen externen Reward gibt. ● ● Master lernt Mapping von State zu Kommandos und Belohnung Slave lernt Mapping von Kommandos zu externen Aktionen
Seite 1 und 2:
Jörn Fischer j.fischer@hs-mannheim
Seite 3 und 4:
Jörn Fischer - j.fischer@hs-mannhe
Seite 5 und 6:
Seite 7 und 8:
Seite 9 und 10:
Seite 11 und 12:
Seite 13 und 14:
Seite 15 und 16:
Seite 17 und 18:
Seite 19 und 20:
Seite 21 und 22:
Seite 23 und 24:
Seite 25 und 26:
Seite 27 und 28:
Seite 29 und 30:
Seite 31 und 32:
Seite 33 und 34:
Seite 35 und 36:
Seite 37 und 38:
Seite 39 und 40:
Seite 41 und 42: Jörn Fischer - j.fischer@hs-mannhe
Seite 77 und 78: Evolutionäre Algorithmen Beispiel
Seite 91: Jörn Fischer - j.fischer@hs-mannhe
Alle anzeigen

Vorlesungsfolien

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?