پاورپوينت یادگیری تقویتی

پاورپوینت  یادگیری تقویتی
 دارای 23 اسلاید ، با فرمت pptx و قابل ویرایش ، آماده برای ارائه ، چاپ ، تحقیق و کنفرانس می باشد.

قسمتی از محتوای متن PowerPoint :
  1 یادگیری تقویتی Farhad M.
Kazemi 2 یادگیری تقویتی در یک مسئله یادگیری تقویتی با عاملی روبرو هستیم که از طریق سعی و خطا با محیط تعامل کرده و یاد میگیرد تا عملی بهینه را برای رسیدن به هدف انتخاب نماید.
3 یادگیری تقویتی یادگیری تقویتی از اینرو مورد توجه است که راهی برای آموزش عاملها برای انجام یک عمل از طریق دادن پاداش و تنبیه است بدون اینکه لازم باشد نحوه انجام عمل را برای عامل مشخص نمائیم.
دو استراتژی اصلی برای اینکار وجود دارد: یکی استفاده از الگوریتم های ژنتیکی و دیگری استفاده از روشهای آماری و dynamic programming در RL روش دوم مد نظر است.
4 یادگیری تقویتی محیط مجموعه ای از S حالت ممکن است.
در هر لحظه t عامل میتواند یکی از A عمل ممکن را انجام دهد.
عامل ممکن است در مقابل عمل و یا مجموعه ای از اعمالی که انجام میدهد پاداش r را دریافت کند.
این پاداش ممکن است مثبت و یا منفی )تنبیه(باشد s9 s5 s4 s2 … … … s3 s1 a9 a5 a4 a2 … a3 a1 5 یادگیری تقویتی عامل در محیط حرکت کرده و حالتها و پاداشهای مربوطه را به خاطر می سپارد.
عامل سعی میکند طوری رفتار کند که تابع پاداش را ماکزیمم نماید.
s9 s5 s4 s2 … … … s3 s1 a9 a5 a4 a2 … a3 a1 6 یادگیری تقویتی پاداش Rt مجموع پاداشی است که عامل با گذشت زمانt جمع کرده است.
7 یادگیری تقویتی فرض می کنیم که اعمال عامل از قانونی مثل p تبعیت میکند که آنرا خط مشی و یا policy می نامیم.
از آنجائیکه Rt یک متغیر تصادفی است لذا امید ریاضی آن تحت یک خط مشی خاص و برای یک حالت معین برابر خواهد بود با: هدف یادگیری تقویتی این است که یک خط مشی بهینه ای مثل p* پیدا نماید به نحویکه مقدار امید ریاضی فوق را برای تمامی حالات ماکزیمم کند.
8 مقایسه RL با یادگیری با ناظر یادگیری تقویتی از دو جنبه با یادگیری با ناظر تفاوت دارد: مثالهائی یادگیری بصورت زوج >ورودی خروجی< مطرح نمیشوند.
بلکه بعد از اینکه عامل عملی را انجام داد پاداشی را دریافت میکند و به مرحله بعدی میرود.
عامل هیچ گونه اطلاعی در مورد اینکه در هر حالت بهترین عمل چیست را ندارد.