Le ultime notizie evidenziano come gli algoritmi di reinforcement learning stiano attualmente battendo i gamer professionisti in giochi come GO, Dota 2 e Starcraft 2. Il reinforcement learning è un tipo di Machine Learning che consente l’uso dell’intelligenza artificiale in applicazioni complesse, quali videogiochi, robot, auto a guida autonoma e non solo.
Se vuoi applicare la tecnologia del reinforcement learning per il tuo progetto ma non l’hai mai utilizzata prima, da dove puoi cominciare?
Questo ebook ti aiuterà ad avvicinarti al reinforcement learning con MATLAB® e Simulink®, tramite spiegazioni terminologiche, esempi, tutorial e software di prova.
Leggi questo ebook per scoprire:
Sezione 1: nozioni di base e configurazione dell’ambiente
Impara le nozioni di base del reinforcement learning e le differenze con la progettazione dei sistemi di controllo classica. Osserva la differenza tra apprendimento con supervisione, apprendimento senza supervisione e reinforcement learning e scopri come configurare un ambiente di apprendimento in MATLAB e Simulink.
Sezione 2: ricompense e struttura delle politiche
Scopri di più sull'esplorazione e lo sfruttamento nel reinforcement learning e su come modellare le funzioni di ricompensa. Scopri le diverse opzioni per rappresentare le politiche, tra cui le reti neurali e come possono essere utilizzate come approssimatori di funzioni.
Sezione 3: nozioni di addestramento e distribuzione
Impara a conoscere i diversi tipi di algoritmi di addestramento, compresi i metodi basati sulle politiche o sui valori e actor-critic. Scopri i pro e i contro di ciascun metodo di addestramento e la famosa equazione di Bellman. Infine, scopri quali sono gli aspetti da considerare prima di distribuire una politica addestrata e le sfide e gli svantaggi complessivi associati a questa tecnica.
