Reinforcement Learning Onramp
Questo tutorial gratuito della durata di due ore offre un’introduzione interattiva ai metodi di reinforcement learning per problemi nell’ambito del controllo.
Prerequisiti: MATLAB Onramp
Accesso a MATLAB dal proprio browser web
Video tutorial coinvolgenti
Esercizi pratici con valutazione e feedback automatici
Lezioni disponibili solo in inglese
Seleziona una lezione per iniziare
1.
Panoramica sul reinforcement learning
Familiarizza con i concetti alla base del reinforcement learning e con il corso.
- Che cos’è il reinforcement learning?
- Panoramica del corso
- Simulazioni con un agente pre-addestrato
2.
Definizione dell’ambiente
Definisci le modalità di interazione di un agente con un modello di ambiente.
- Componenti di un modello di reinforcement learning
- Definizione di un’interfaccia con l’ambiente
- Ricompense e addestramento
- Inclusione di azioni nella ricompensa
- Connessione di un ambiente Simulink® a un agente MATLAB
3.
Definizione degli agenti
Crea delle rappresentazioni di agenti di reinforcement learning.
- Critici e valori Q
- Rappresentazione di critici per problemi continui
- Creazione di reti neurali
- Attori e critici
- Riepilogo degli agenti
4.
Addestramento degli agenti
Usa degli episodi di simulazioni per addestrare un agente.
- Addestramento
- Miglioramento dell’addestramento
Corsi correlati
Deep Learning Onramp
Inizia subito utilizzando i metodi di Deep Learning per eseguire il riconoscimento di immagini.
Simulink Onramp
Inizia velocemente con le basi di Simulink.
