Уравнения Беллмана, динамическое программирование, итерация обобщённой политики | Обучение с подк...

Консалтинговая компания по машинному обучению: https://truetheta.io
Подпишитесь на мою рассылку, чтобы получать обучающие и полезные статьи (и ничего больше!): https://mailchi.mp/truetheta/true-the...
Хотите поработать вместе? Смотрите здесь: https://truetheta.io/about/#want-to-w...

Вторая часть из шести статей по обучению с подкреплением. Мы обсуждаем уравнения Беллмана, динамическое программирование и обобщенную итерацию политики.

СОЦИАЛЬНЫЕ СЕТИ

LinkedIn:   / dj-rich-90b91753  
Twitter:   / duanejrich  
Github: https://github.com/Duane321

Нравится учиться таким образом? Хотите, чтобы я снял больше видео? Поддержите меня на Patreon:   / mutualinformation  

ИСТОЧНИКИ

[1] Р. Саттон и А. Барто. Обучение с подкреплением: Введение (2-е изд.). MIT Press, 2018.

[2] Х. Хасселт и др. Цикл лекций RL, Deepmind и UCL, 2021,    • DeepMind x UCL | Deep Learning Lecture Ser...  

ЗАМЕТКИ ОБ ИСТОЧНИКАХ

Видео охватывает темы глав 3 и 4 из [1]. Вся серия основана на [1]. [2] был полезным дополнительным источником информации.

TIMESTAMP
0:00 Что мы изучим
1:09 Обзор предыдущих тем
2:46 Определение динамического программирования
3:05 Открытие уравнения Беллмана
7:13 Оптимальность по Беллману
8:41 Сетчатое представление уравнений Беллмана
11:24 Оценка политики
13:58 Улучшение политики
15:55 Обобщённая итерация политики
17:55 Прекрасный вид GPI
18:14 Задача игрока
20:42 Смотрите следующее видео!