Reinforcement Learning mit MATLAB und Simulink
Programm ansehen und anmeldenKursbeschreibung
Dieser Kurs bietet eine Einführung in Techniken des Reinforcement Learnings mit der Reinforcement Learning Toolbox™ in der MATLAB®- und Simulink®-Umgebung.
Themen sind unter anderem:
- Erstellen von Environment-Simulationen und Reward-Funktionen
- Erstellen von Policies (Regelungsstrategien) und Agents
- Nutzung und Training neuronaler Netze
- Implementierung der Policy (Regelungsstrategie)
Tag 1 von 1
Environment (Systemumgebung) und Reward (Kostenfunktion
Ziel: Erstellen von Environments und Design von Reward-Funktionen in MATLAB und Simulink.
- Erstellen einer Environment-Simulation in Simulink
- Schreiben einer Reward-Funktion
- Erstellen eines Agents mit Simulink und MATLAB
- Verbinden von Agent und Environment
Policy (Regelungsstrategie) und Agent
Ziel: Erstellen einer Repräsentation der Policy und eines Agents.
- Modellierung einer Policy mit einem neuronalen Netz
- Erstellen eines Reinforcement Learning Agents in MATLAB
- Spezifizieren von Optionen für die Simulation
Neuronale Netze und Training
Ziel: Erstellen eines neuronalen Netzwerks für die Modellierung der Policy und Trainieren eines Agents.
- Erstellen eines neuronalen Netzwerks
- Erstellen einer Repräsentation der Policy
- Trainieren eines Agents
Implementierung der Policy
Ziel: Codegenerierung auf Basis eines trainierten Agents.
- Kompilieren des generierten Codes für die Polic
- Validierung des Codes
- Erstellen eine Blocks zur Auswertung der Policy
Stufe: Aufbaukurse
Voraussetzungen:
Dauer: 1 Tag
Sprachen: English, 한국어
