คำอธิบาย
เรียนรู้การออกแบบและเขียนโปรแกรมตัวแทนการเรียนรู้แบบเสริมกำลังเพื่อทำงานที่ซับซ้อนในสภาพแวดล้อมแบบโต้ตอบ หัวข้อรวมถึงกระบวนการตัดสินใจแบบมาร์คอฟ (Markov decision processes), วิธีการโปรแกรมเชิงไดนามิก, วิธีมอนติคาร์โล, การเรียนรู้แบบความต่างของเวลา (temporal difference), การพยากรณ์/การควบคุมด้วยการประมาณฟังก์ชัน, นโยบายเกรเดียนต์, และอัลกอริทึมการเรียนรู้เชิงเสริมกำลังเชิงลึก
รายวิชาก่อนหน้า
- วิชาก่อน: COMP 2402 , ( COMP 2404 or SYSC 3010 or SYSC 3110 ), ( MATH 1004 or MATH 1007), ( MATH 1104 or MATH 1107 ), และ ( DATA 1517 or STAT 2507 ).
เงื่อนไขและข้อกำหนด
- วิชาก่อน: COMP 2402 , ( COMP 2404 or SYSC 3010 or SYSC 3110 ), ( MATH 1004 or MATH 1007), ( MATH 1104 or MATH 1107 ), และ ( DATA 1517 or STAT 2507 ).
- บรรยายสามชั่วโมงต่อสัปดาห์
ข้อความอ้างอิงในภาษาต้นฉบับ
Learn about designing and programming reinforcement learning agents to perform complex tasks in interactive environments. Topics include Markov decision processes, dynamic programming methods, Monte Carlo methods, temporal difference learning, prediction/control with function approximation, policy gradient, and deep reinforcement learning algorithms.
- Prerequisite(s): COMP 2402 , ( COMP 2404 or SYSC 3010 or SYSC 3110 ), ( MATH 1004 or MATH 1007), ( MATH 1104 or MATH 1107 ), and ( DATA 1517 or STAT 2507 ).
- Lectures three hours a week.
แหล่งที่มาและอ้างอิง
วันที่และแหล่งที่มาถูกเก็บไว้เพื่อช่วยให้คุณตรวจสอบข้อมูล การแปลเสนอเพื่ออำนวยความสะดวกในการอ่าน แหล่งทางการเป็นที่อ้างอิงสำหรับเงื่อนไขและข้อกำหนด
แหล่งอ้างอิง : https://calendar.carleton.ca/undergrad/courses/COMP/