خانه / برنامه نویسی / آموزش تکنیک های یادگیری تقویتی با R

آموزش تکنیک های یادگیری تقویتی با R

یادگیری تقویتی یک نوع یادگیری ماشینی است که به ماشین ها و عوامل نرم افزاری اجازه می دهد هوشمندانه و به طور خودکار رفتار مطلوب را در یک محیط خاص شناسایی کند تا بتواند عملکرد و بهره وری آن را به حداکثر برساند. در این دوره با معرفی یادگیری تقویتی، محاسبات نتایج احتمالا موفق با استفاده از بسته محبوب MDPToolbox، برنامه نویسی محیط برای یادگیری تقویتی و غیره آشنا می شوید.

سرفصل:

  • یادگیری تقویتی می تواند چه کارهایی برای شما انجام دهد
  • معرفی دوره
  • درک مشکل “Grid World” در یادگیری تقویتی
  • پیاده سازی Grid World Framework در R
  • ناوبری Grid World و محاسبه نتایج موفقیت آمیز
  • اولین برنامه یادگیری تقویتی شما
  • مثال R – پیدا کردن سیاست مناسب ناوبری
  • برنامه نویسی محیط
  • R Example – MDPtoolbox Solution Navigating 2 x 2 Grid
  • مثال های MDPtoolbox با R
  • R Example – Finding Optimal 3 x 4 Grid World Policy
  • R Exercise – Building a 3 x 4 Grid World Environment
  • R Exercise Solution – Building a 3 x 4 Grid World Environment

لينک منبع

درباره ی admin

همچنین ببینید

توانمندسازی لود بالانسینگ (Load Balancing) بر روی پلتفرم ابری گوگل – گیت

معمولا، متعادل کننده های بار به عنوان ابزارهای سری که فقط بعضی از برنامه ریزان …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *