Руководитель: Шалыто А. А.
- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Генерация вероятностных автоматов методами Reinforcement Learning презентация
Содержание
- 1. Генерация вероятностных автоматов методами Reinforcement Learning
- 2. Стимулирующее обучение
- 3. Вероятностные автоматы Моделирование сложных систем, имеющих стохастическую природу Построение мобильных агентов
- 4. Обучение автомата Действие Проверка «слабого условия» Перераспределение вероятностей
- 5. Применение стимулирующего обучения Работать непосредственно с вероятностной моделью непрактично Генерация автоматной модели
- 6. Q-learning: статические задачи Обучение Q-функции Порождение оптимальной стратегии
- 7. Q-learning: стохастические системы Обучение Q-функции Подсчёт вероятностей переходов Сжатие вероятностной модели
- 8. Пример задачи на двумерном поле Клетка поля
- 9. Тестовый пример
- 10. Сжатие автоматной модели
- 11. Выводы Непосредственное обучение вероятностной модели непрактично Предложенный
Стимулирующее обучение
Слайд 1Генерация вероятностных автоматов методами Reinforcement Learning
Выполнил: Иринёв
А. В.
Слайд 3Вероятностные автоматы
Моделирование сложных систем, имеющих стохастическую природу
Построение мобильных агентов
Слайд 5Применение
стимулирующего обучения
Работать непосредственно с вероятностной моделью непрактично
Генерация автоматной модели
Слайд 7Q-learning:
стохастические системы
Обучение Q-функции
Подсчёт вероятностей переходов
Сжатие вероятностной модели
Слайд 8Пример задачи на двумерном поле
Клетка поля определяет текущее состояние мобильного робота
Четыре
доступных действия
Выделенные клетки
Задача – максимизировать общую прибыль для нескольких мобильных роботов
Выделенные клетки
Задача – максимизировать общую прибыль для нескольких мобильных роботов
Слайд 11Выводы
Непосредственное обучение вероятностной модели непрактично
Предложенный подход позволяет решать задачи оптимизации для
стохастических систем
В зависимости от специфики задачи возможно эффективное сжатие автоматной модели
В зависимости от специфики задачи возможно эффективное сжатие автоматной модели
