Bayesovské učenie s posilňovaním: Prieskum

Pôvodný názov:

Bayesian Reinforcement Learning: A Survey

Obsah knihy:

Bayesovské metódy pre strojové učenie boli široko preskúmané a priniesli principiálne metódy na začlenenie predchádzajúcich informácií do inferenčných algoritmov. Táto monografia poskytuje čitateľovi podrobný prehľad úlohy bayesovských metód pre paradigmu posilňovania učenia (RL).

Hlavnými podnetmi na začlenenie bayesovského uvažovania do RL je to, že poskytuje elegantný prístup k výberu akcií (prieskum/využitie) v závislosti od neistoty pri učení a poskytuje mechanizmus na začlenenie predchádzajúcich znalostí do algoritmov. Bayesovské učenie s posilňovaním: V publikácii sa najprv rozoberajú modely a metódy bayesovského odvodzovania v jednoduchom jednostupňovom modeli Bandit. Potom sa v nej uvádza prehľad rozsiahlej nedávnej literatúry o bayesovských metódach pre RL založené na modeli, kde možno vyjadriť predchádzajúce informácie o parametroch Markovovho modelu.

Uvádza aj bayesovské metódy pre bezmodelový RL, kde sú priory vyjadrené nad hodnotovou funkciou alebo triedou politík. Bayesovské učenie posilňovania: Je to komplexná príručka pre študentov a výskumníkov so záujmom o bayesovské algoritmy RL a ich teoretické a empirické vlastnosti.