13Deep Reinforcement Learning
In Kapitel 4 haben wir das Paradigma des Reinforcement Learning (verstärkenden Lernens) vorgestellt (im Unterschied zum Supervised und Unsupervised Learning (also zum überwachten und unüberwachten Lernen)). Beim Reinforcement Learning führt ein Agent (z.B. ein Algorithmus) sequenzielle Aktionen in einer Umgebung durch. Die Umgebung – ob simuliert oder echt – kann außerordentlich komplex sein und sich rasant ändern, sodass ausgefeilte Agenten nötig sind, die sich entsprechend anpassen können, um ihr Ziels erfolgreich zu erreichen. Heute nutzen viele der produktivsten Reinforcement-Learning-Agenten ein künstliches neuronales Netz, was sie zu Deep-Reinforcement-Learning-Agenten macht.
In diesem Kapitel werden wir
Get Deep Learning illustriert now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
