| Главная |
| Биография |
| Научные труды |
| Дисциплины |
| Лекции (old) |
| Программное обеспечение |
| Дипломники |
| Материалы студентов |
| Заметки |
| Сотрудничество |
| Консультации |
| Патенты |
| Услуги |
| Ссылки |
| Блог |
| Контакты |
Адаптивные критики (Обучение с подкреплением)Основные топологии адаптивных критиковЕсть 2 базовые топологии адаптивных критиков - Q-критик и V-критик. Также выделяют HDP, DHP и
Топология адаптивного критика обычно состоит из собственно самого критика (блока критики), решателя и блока расчета функции ценности.
Также необходимо добавить блок истории, который сохраняет предыдущие результаты работы (см. вариацию - патент на изобретение).
Принцип работы адаптивных критиков следующий.
КОНТРОЛЬНЫЕ ВОПРОСЫ К ЛЕКЦИИ (reinforcement learning): 1. Как используются жадные алгоритмы в адаптивных критиках? 2. Каким образом выбирается действие в адаптивном критике? 3. Что есть ценность состояния в обучении с подкреплением? 4. Что есть ценность действия в обучении с подкреплением? 5. Каким образом можно использовать сверточную сеть в адаптивных критиках? Приведите варианты применения. 6. В каких случаях целесообразно применять адаптивного критика? 7. Каким образом можно рассчитывать ценность состояния в системах с подкреплением? 8. Каким образом коэффициент забывания влияет на горизонт действий адаптивного критика? 9. Можно ли использовать сеть Кохонена в топологии адаптивного критика? Если можно, то каким образом? 10. Каким образом происходит исследование среды в системах с адаптивным критиком? |
