Введение в обучение с подкреплением в MATLAB (reinforcement learning)
31 января 2020
Обучение с подкреплением - технология, которая становится все более популярной в последнее время. Это связано с переходом алгоритмов обучения с подкреплением на нейросетевые подходы. В вебинаре "Введение в обучение с подкреплением с MATLAB" мы рассмотрели базовые принципы этого перехода.
Обучение с подкреплением — область исследований, которая была создана для решения задач оптимального управления, в связи с развитием и применением методов глубокого обучения приобретающая все большую популярность в последнее время.
Применение подхода глубокого обучения к этой области исследований позволяет решать задачи, которые раньше считались неразрешимыми.
Алгоритмы из этой области применяются во многих отраслях науки и техники, где используются сложные системы принятия решений и классические алгоритмы не находят оптимальных решений или находят их за неприемлемо большой промежуток времени, таких как:
- Робототехника;
- Беспилотные автомобили;
- Оптимальное управление;
- Маркетинг;
- Финансы (трейдинг).
Данный вебинар посвящён введению в тему обучения с подкреплением. Мы рассмотрим общий подход в этой области исследований, а для того, чтобы материал был доступен и понятен — продемонстрируем несколько примеров применения алгоритмов обучения с подкреплением.
Основные темы вебинара:
- Что такое обучение с подкреплением;
- Общий рабочий процесс обучения с подкреплением;
- Терминология области исследований;
- Создание MATLAB/Simulink среды (Environment);
- Определение политики и функции стоимости (policy and value function);
- Создание агента (agent);
- Обучение и валидация агента;
- Генерация кода.
Вебинар будет полезен для специалистов в следующих областях:
- Системы управления;
- Анализ данных;
- Финансовая аналитика;
- Разработка систем принятия решений в ситуациях большой неопределенности.
По ссылке вы можете скачать файлы и ссылки на примеры к документации, которые использовались в вебинаре. В ближайшее время мы начнем цикл роликов по обучению с подкреплением, чтобы более плотно раскрыть эту тематику.
