Les médias ont récemment montré que Les algorithmes de Reinforcement Learning sont désormais capables de battre des jous professionnels de GO, Dota 2 et星际争霸2。Le强化学习est une méthode d '徒弟qui permet d 'ajouter de l 'intelligence人工智能与应用复合物telles que les jeux vidéo, la robotique ou Le véhicule自主。
Vous souhaitez appliquer le Reinforcement Learning à votre projet, mais Vous ne l 'avez jamais utilisé ?Nous vous montrons par où演讲者。
强化学习与MATLAB®等仿真万博1manbetx软件®Grâce à une description de la term ologie des examples, des tutoriels et la mise à disposition de logiciels d'essai。
Lire ces电子书pour en savoir plus:
第1部分:基本概念和环境配置概念
Apprenez les bases du Reinforcement Learning et comment il peut être comparé au design de contrôle traditionnel。Cet ebook vous permettra de compprendre la différence entre l' apprentice supervisé， non supervisé et le Reinforcement Learning, mais aussi de découvrir comment mettre en place un environment pour l' apprentice dans MATLAB et Simul万博1manbetxink。
第二党:récompense和政治原则总览
Découvrez les phase d'exploration et d'exploitation dans le Reinforcement Learning, et la façon de créer des functions de récompense。Explorez les différentes options pour représenter les politiques, notamesles réseaux de neurones, et comment ces derniers peuvent être utilisées comme approateurs de functions。
part3: comprenre l ' apprentice et le déploiement
explore les différents types d 'algorithmes d '学徒，notamement les méthodes basées sur les politiques, les valeurs et les algorithmes actur -critique。Découvrez les avantages et les inconvénients de chque méthode d '学徒，ainsi que l ' équation de Bellman。Enfin， étudiez les différents éléments à prenre en compte avant de déployer une politique entraînée, ainsi que les défis et inconvénients associés à cette technique。
