Скачать или смотреть ML09_ Глубокое обучение с подкреплением (DRL): основы, алгоритмы и практические приложения

Эта лекция знакомит с глубоким обучением с подкреплением (DRL), рассматривает ограничения классического обучения с подкреплением (RL) и демонстрирует, как глубокие нейронные сети обеспечивают масштабируемую аппроксимацию функций. В сессии рассматриваются основные категории DRL — основанные на ценностях, основанные на политике и актор-критик, — а также объясняются ключевые алгоритмы, такие как DQN, REINFORCE, PPO и DDPG. Концептуальная мотивация, алгоритмическая интуиция и практические аспекты обсуждаются с ясностью, подходящей для студентов, переходящих от базового обучения с подкреплением к современным фреймворкам DRL. Лекция завершается практическими примерами из области робототехники, автономных систем, здравоохранения и интеллектуального управления.

Хештеги
#DeepReinforcementLearning #DRL #MachineLearningLecture #ReinforcementLearning #DQN #PPO #DDPG #ActorCritic #AI #DeepLearning