Reinforcement Learning

30/05/2019, 16:30, Wydział Psychologii Uniwersytetu Warszawskiego, s. 74

Prelegenci: dr hab. Piotr Miłoś (MiM UW, IM PAN), dr Łukasz Kuciński (IM PAN)

Abstrakt

W referacie przedstawimy postawy uczenia ze wzmocnieniem (krótki rys historyczny, intuicje i formalizm matematyczny). Budując na tej podstawie zaprezentujemy praktyczne przypadki zastosowania na przykładach przeprowadzonych przez nas projektów (learning to run, plan online learn offline i innych).

Uczenie ze wzmocnieniem przeżywa obecnie okres burzliwego rozwoju, związany z zastosowaniem w połączeniu z głębokim uczeniem. Spekuluje się, że może ono doprowadzić do dużego rozwoju metod planowania (na przykład w robotyce), jak i do zwiększenia wiedzy na temat funkcjonowania inteligencji ludzkiej.

Literatura

Klasyczna pozycja z wprowadzeniem do RL. Zachęcamy do zapoznania się ze wstępem: Reinforcement Learning: An Introduction

Nowe wprowadzenie, z naciskiem na algorytmy: An Introduction to Deep Reinforcement Learning

O tym jak RL może pomóc w zrozumieniu umysłu: Reinforcement Learning, Fast and Slow