卢卡斯·加西亚Mathworks
人工智能(AI)正在改变自动系统,从语音助手和聊天机器人,到自动驾驶汽车和机器人。人工智能系统具有学习和适应经验的能力,以提高其预测能力。
深度学习是机器学习的一个子集,其中人工神经网络(受人类大脑启发的算法)从大量数据中学习。深度学习颠覆了机器学习的世界,允许深度神经网络在图像分类、语音和手写识别以及自动驾驶等各种任务中达到接近或高于人类的准确性。
强化学习正在彻底改变深度学习的应用 - 从视频游戏中玩耍和击败最佳人类球员,以训练机器人实现复杂的技术任务。加固学习涉及学习该做什么(映射到行动的情况)以最大化数值奖励信号。它已成功培训计算机程序以比世界上最好的人类参与者更好地玩游戏(如去和星际争霸II)。这些计划找到了具有大状态和行动空间,不完美世界信息的游戏的最佳行动,以及周围的短期行动如何在长期运行中偿还的不确定性。工程师和科学家在设计像控制器这样的真实系统时面临相同类型的挑战。加强学习也可以帮助解决复杂的控制问题,如制作机器人走路或驾驶自主车?
在这次演讲中,我们的目标是回答这个问题的解释什么是强化学习的背景下,传统的控制问题,显示如何生成仿真数据,建立和解决强化学习问题,并允许一个虚拟机器人学习复杂的任务,比如走路,使用深度强化学习。
录制于2019年Big Things Conference。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。