Часть 1: Алгоритм итерации по значениям | Алгоритм Q-обучения | Обучение с подкреплением Видья Ма...

Алгоритм итерации значений и алгоритм Q-обучения в мире сетки: пошаговое решение примера обучения с подкреплением от Видьи Махеш Худдар Рассмотрим следующий мир сетки с немедленными вознаграждениями за все переходы. G — целевое или поглощающее состояние. Используйте алгоритм итерации значений, чтобы найти оптимальную стратегию (при γ = 0,9). Примените алгоритм Q-обучения для той же задачи (при γ = 0,9). Для обновления Q-таблицы выполните всего три итерации. В этом видео мы решаем численную задачу в мире сетки, чтобы понять, как интеллектуальный агент учится достигать своей цели, максимизируя совокупные вознаграждения. Концепции объяснены простым, доступным для студентов языком, что делает этот учебник полезным для студентов инженерных специальностей и всех, кто готовится к университетским экзаменам. 📌Темы, рассматриваемые в этом видео: Введение в обучение с подкреплением Понимание среды Grid World Состояния, действия, вознаграждения и целевое состояние Алгоритм итерации значений Уравнение оптимальности Беллмана Пошаговый расчет значений состояний Алгоритм Q-обучения Инициализация Q-таблицы и обновление значений Q Обучение оптимальной стратегии Сравнение алгоритмов итерации значений и Q-обучения Решение численных задач для университетских экзаменов ******************************** Подписывайтесь на нас: 1. Блог / Веб-сайт: https://www.vtupulse.com/ 2. Скачать исходный код дипломного проекта: https://vtupulse.com/download-final-y... 3. Поставьте лайк нашей странице в Facebook:   / vtupulse   4. Подпишитесь на нас в Instagram:   / vtupulse   5. Ставьте лайки, делитесь, подписывайтесь и Не забудьте нажать на значок колокольчика, чтобы получать регулярные обновления.