|
ИСТИНА |
Войти в систему Регистрация |
ИПМех РАН |
||
Сравнение эффективности глубокого обучения с подкреплением с классическим обучением с подкреплениемкурсовая работа (Специалист)
- Научный руководитель: Половников В.С.
- Автор: Икандаров А.Б.
- Тип: Специалист
- Организация, в которой проходила защита: МГУ имени М.В. Ломоносова
- Кафедра: Кафедра математической теории интеллектуальных систем
- Год защиты: 2019
- Курс: 5
- Аннотация: Обучение с подкреплением является методом машинного обучения, приближенным к естественному: агент учится взаимодействовать со средой, выбирая действия максимизирующие суммарную награду. Классический подход обучения с подкреплением предполагает заполнение таблицы ценностей (Q-таблицы) того или иного действия в зависимости от текущего состояния. Подобный подход затруднителен при большом или бесконечном числе состояний. С другой стороны, искусственные нейронные сети моделируют принятие решений живыми существами. Подход, совмещающий в себе обучение с подкреплением и глубокие нейронные сети получил название глубокого обучения с подкреплением. В работе предложены две модельные задачи с малым и бесконечным числом состояний, автор применил к ним оба подхода и сравнил временные и качественные характеристики. Проведённые эксперименты показали, что в первом случае (с небольшим числом состояний) выигрывает классический алгоритм обучения с подкреплением, а во втором – нейросетевой.
- Добавил в систему: Половников Владимир Сергеевич