6.2* Renforcement Learning

Спасибо Андрею Панфёрову за написание этого семинара!

Содержание семинара:

• Мотивация

  • Постановка задачи

  • Какие задачи решают с помощью RL

• Среда, действия, награды

  • Марковские среды

  • Принятие решений

  • Награда

• Value Iteration - Задана малая среда + вероятности переходов

  • Уравнения Бэллмана

  • Алгоритм

  • Имплементация алгоритма

  • Визуализация результата

• Q-Learning - Задана малая среды без вероятностей переходов

  • Алгоритм

  • Имплементация

  • Обучение

• Approximate Q-Learning - Задана большая среда без вероятностей перехода

  • Минусы Q-Learning

  • Среда и архитектура

  • Обучение

  • Визуализация