Reinforcement Learning praxisnah
Entwicklung eines Kono-Agenten mit Hilfe von RL-Techniken
Versandkostenfrei!
Versandfertig in 1-2 Wochen
79,00 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Inhaltlich unveränderte Neuauflage. Das Buch beschreibt die Entwicklung eines intelligenten Agenten, der unter Einsatz eines innovativen KI-Konzeptes lernt, das Brettspiel Kono zu spielen. Als junges und ungelöstes Teilgebiet der Künstlichen Intelligenz bietet Reinforcement Learning (RL) eine ideale Realisierungsgrundlage. Bereits seit den Anfängen des RL erfolgt die Erkundung seiner Potenziale bevorzugt auf dem Terrain der Spiele. Inspiriert durch Dr. Gerald Tesauros TD-Gammon kon-zentriert sich die von der Autorin Jenny Schirmer vorgestellte Lösung auf die Anwendung des TD(lambda)-Algor...
Inhaltlich unveränderte Neuauflage. Das Buch beschreibt die Entwicklung eines intelligenten Agenten, der unter Einsatz eines innovativen KI-Konzeptes lernt, das Brettspiel Kono zu spielen. Als junges und ungelöstes Teilgebiet der Künstlichen Intelligenz bietet Reinforcement Learning (RL) eine ideale Realisierungsgrundlage. Bereits seit den Anfängen des RL erfolgt die Erkundung seiner Potenziale bevorzugt auf dem Terrain der Spiele. Inspiriert durch Dr. Gerald Tesauros TD-Gammon kon-zentriert sich die von der Autorin Jenny Schirmer vorgestellte Lösung auf die Anwendung des TD(lambda)-Algorithmus in Verbindung mit Neuronalen Netzen. Vergleichend wird eine simplere als Q-Lernen bekannte RL-Methode untersucht. Neben ausführlichen Erläuterungen zu Theorie und Praxis der Problemlösung gewährt sie Einblick in RL-Erfolge der letzten 10 Jahre und Status Quo im RL-Spiele-Sektor. Die durch die Implementierung gewonnenen Erkenntnisse werden den bisher geläufigen Formalismen für den erfolgreichen Einsatz des TD(lambda)-Lernens gegenübergestellt und Anpassungsmaßnah-men der Realisierungsmethodik abgeleitet. Das Buch richtet sich an Interessenten moderner KI-Ansätze und eignet sich als Forschungsgrundlage und Nachschlagewerk gleichermaßen.
Andere Kunden interessierten sich für
