Erstellen Sie ein Konto, um KI zu nutzen

Erstellen Sie ein kostenloses Konto, um alle Funktionen freizuschalten:

Stellen Sie Fragen zu Videos mit KI
Nutzen Sie die intelligente Suche (KI)
Speichern Sie Ihre Lieblingsvideos
Markieren Sie Ihre Lieblingskategorien
Organisieren Sie Ihre Lieblingsunterkategorien
Greifen Sie auf Ihre personalisierte Favoritenseite zu
Greifen Sie auf Ihren Gesprächsverlauf zu
Personalisieren Sie Ihre Startseite mit Ihren Favoriten

Konto erstellen

Haben Sie bereits ein Konto? Anmelden

Die SCHNELLSTE Einführung in das Reinforcement Learning im Internet

Gonkee

Reinforcement Learning ist ein Bereich des maschinellen Lernens, der sich damit beschäftigt, wie ein Agent in einer Umgebung optimal handeln sollte. Ich denke, dass dieses Studienfeld in den nächsten Jahrzehnten sehr wichtig sein wird, daher versuche ich, das Wissen zugänglicher zu machen.

Patreon: https://www.patreon.com/Gonkee

Ressourcen:

Reinforcement Learning: An Introduction (Lehrbuch) - http://incompleteideas.net/book/the-book-2nd.html

OpenAI Spinning Up Website - https://spinningup.openai.com/en/latest/index.html

RL Subreddit - https://www.reddit.com/r/reinforcementlearning/

Artikel:

Deep Reinforcement Learning funktioniert noch nicht - https://www.alexirpan.com/2018/02/14/rl-hard.html

Artikel über Affenexperimente (temporale Differenz & Dopamin) - https://doi.org/10.1126/science.275.5306.1593

Artikel von 2008 über Actor-Critic und das Striatum - https://doi.org/10.3389/neuro.01.014.2008

Coole Algorithmen/Papiere:

MuZero - https://deepmind.google/discover/blog/muzero-mastering-go-chess-shogi-and-atari-without-rules/

DreamerV3 - https://danijar.com/project/dreamerv3/

Robot Ball-in-a-Cup - https://ieeexplore.ieee.org/abstract/document/5152577

Inverse Q-Learning - https://div99.github.io/IQ-Learn/

00:00 - Einführung

04:27 - Markov-Entscheidungsprozesse

16:37 - Gitterbeispiel + Monte Carlo

36:22 - Temporale Differenz

50:54 - Deep Q Networks

58:45 - Policy-Gradienten

1:12:06 - Neurowissenschaften

1:20:24 - Einschränkungen & zukünftige Richtungen

1:31:57 - Fazit

Die SCHNELLSTE Einführung in das Reinforcement Learning im Internet | Knoovi