Warning
This page is located in archive. Go to the latest version of this course pages. Go the latest version of this page.

08 Reinforcement II

Jak se pořád neopakovat. Už jsme našli cestu, ale možná někde vedle existuje i lepší.

Kvíz I

  • tradiční kvíz, tentokrát na přímý výpočet Q hodnot z trénovacích epizod

Kvíz II - Analýza vlivu discount faktoru na určování policy

  • vysvětlení na příkladu
  • bez bodoveho hodnoceni

Samostatná práce

Práce na úloze Markovské rozhodovací procesy.

Můžete postupně začít pracovat na úloze Posilované učení.

Reinforcement learning plus

Reinforecement learning je nyní velmi aktivní oblastí, podporovanou také rychlým pokrokem v oblasti učení hlubokých neuronových sítí. Pár odkazů pro další ínspiraci

courses/b3b33kui/cviceni/program_po_tydnech/tyden_09.txt · Last modified: 2022/03/29 10:56 by kostkja2