Лекция 12, 2024; Офлайн-обучение с использованием нейронных сетей для аппроксимации VI и PI. Агре...

Слайды, конспекты лекций и соответствующие материалы учебника доступны по адресу http://web.mit.edu/dimitrib/www/RLboo.... Обзор нейронных сетей, аппроксимационных архитектур и автономного обучения. Итерация приближенных (подогнанных) значений, преимущества Q-обучения, использование базовых моделей, дифференциальное обучение, обновление преимуществ. Вопросы реализации в итерации приближенной политики: исследование, колебания политики, устойчивость к изменению параметров системы и онлайн-перепланирование. Архитектуры агрегации. Простая форма агрегации: репрезентативные состояния. Агрегация с репрезентативными признаками.