LucasGarcía,Mathworks
人工智能(AI)正在从语音助理和聊天乐队转变自动化系统,到自动驾驶汽车和机器人。AI系统具有学习和适应它们的经验,以提高其预测能力。
深度学习是机器学习的子集,其中人工神经网络,受人类大脑的启发的算法,从大量数据中学习。深度学习已经扰乱了机器学习的世界,允许深度神经网络在各种任务中实现近乎或更好的准确性,例如图像分类,言论和手写识别和自主驾驶。
强化学习正在彻底改变深度学习的应用——从玩电子游戏并打败最优秀的人类玩家,到训练机器人完成复杂的技术任务。强化学习包括学习做什么(将情况映射到行动中)以最大化数字奖励信号。它已经成功地训练电脑程序玩游戏(如围棋和星际争霸2)比世界上最好的人类玩家玩得更好。这些程序会在游戏中找到最佳行动,这些游戏拥有巨大的状态和行动空间,不完善的世界信息,以及关于短期行动如何获得长期回报的不确定性。工程师和科学家在设计控制器等真实系统时也面临着同样的挑战。强化学习也能帮助解决复杂的控制问题,比如让机器人行走或驾驶自动汽车吗?
在这次谈话中,我们的目标是通过解释传统控制问题的背景下的强化学习来回答这个问题,展示如何生成模拟数据,设置和解决强化学习问题,并允许虚拟机器人学习复杂任务,喜欢散步,使用深度加强学习。
记录在2019年大事会议上。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。