Mit dem Besuch unserer Website erklären Sie sich mit unseren Datenschutzbestimmungen zu Cookies, Tracking-Statistiken usw.

Reinforcement Learning

Dieses Modul untersucht das Verstärkungslernen, eine Art des maschinellen Lernens, bei dem Agenten lernen, Entscheidungen zu treffen, indem sie mit einer Umgebung interagieren, um die kumulative Belohnung zu maximieren. Es behandelt Schlüsselkonzepte wie den Markov-Entscheidungsprozess, Richtlinienoptimierung und wertbasierte Methoden sowie Anwendungen in Bereichen wie Spiele, Robotik und autonome Systeme.

Portal > Künstliche Intelligenz > Reinforcement Learning

Curriculum Builder

Lehrplan ansehen

Sutton, Richard S., und Andrew G. Barto. Verstärkungslernen: An Introduction. Zweite Auflage. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Kochenderfer, Mykel J., Tim A. Wheeler, und Kyle H. Wray. Algorithmen zur Entscheidungsfindung. Cambridge, Massachusetts: The MIT Press, 2022.

Agarwal, Alekh, Nan Jiang, und S. Kakade. "Reinforcement Learning: Theorie und Algorithmen", 2019.

https://www.semanticscholar.org/paper/Reinforcement-Learning%3A-Theory-and-Algorithms-Agarwal-Jiang/8ef87e938b53c7f3ffdf47dfc317aa9b82848535

Bertsekas, Dimitri P. Reinforcement Learning and Optimal Control. 2. Auflage (mit redaktionellen Überarbeitungen). Belmont, Massachusetts: Athena Scientific, 2019.

Dankeschön! RSVP erhalten für Sutton, Richard S., und Andrew G. Barto. Verstärkungslernen: An Introduction. Zweite Auflage. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Vielen Dank, dass Sie sich für unseren Newsletter angemeldet haben!

Sutton, Richard S., und Andrew G. Barto. Verstärkungslernen: An Introduction. Zweite Auflage. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Laden...

Laden...