Verstärkungslernen

Ausbildung von Agenten in tiefen neuronalen Netzen durch Interaktion mit einer unbekannten dynamischen Umgebung

Verstärkungslernen ist ein zielgerichteter Berechnungsansatz, bei dem ein Agent durch Interaktion mit einer unbekannten dynamischen Umgebung lernt, eine Aufgabe zu erfüllen. Während des Trainings aktualisiert der Lernalgorithmus die Parameter der Agentenstrategie. Das Ziel des Lernalgorithmus ist es, eine optimale Strategie oder Richtlinie (policy) zu finden, die die langfristige Belohnung während der Aufgabe maximiert.

Je nach Art des Agenten wird die Strategie durch eine oder mehrere Repräsentationen von Strategie und Wertfunktionen dargestellt. Sie können diese Darstellungen mithilfe von tiefen neuronalen Netzen implementieren. Sie können diese Netze dann mithilfe der Software aus der Reinforcement Learning Toolbox™ trainieren.

Weitere Informationen finden Sie unter Reinforcement Learning Using Deep Neural Networks.

Themen

Reinforcement Learning Using Deep Neural Networks
Reinforcement learning is a goal-directed computational approach where a computer learns to perform a task by interacting with an unknown dynamic environment.
Control Water Level in a Tank Using a DDPG Agent
Train a controller using reinforcement learning with a plant modeled in Simulink^® as the training environment.
Create DQN Agent Using Deep Network Designer and Train Using Image Observations
Create a reinforcement learning agent using the Deep Network Designer app from the Deep Learning Toolbox™.
Train DDPG Agent to Swing Up and Balance Pendulum with Image Observation
Train a reinforcement learning agent using an image-based observation signal.
Train DQN Agent for Lane Keeping Assist Using Parallel Computing
Train a reinforcement learning agent for a lane keeping assist application.
Imitate MPC Controller for Lane Keeping Assist
Train a deep neural network to imitate the behavior of a model predictive controller.