Módulo 2 de 10 · Texto
Chapterit
Chapter 1: The Reinforcement Learning Problem
Ongelma selitetty, helppoja esimerkkejä.
Osa 1:
Chapter 2: Multi-armed Bandit
Miten valita oikea valinta?
Chapter 3: Finite Markov Decision Processes
Markov prossesseissa ulostulon oletetaan olevan HiEMAN satunnainen
Chapter 4: Dynamic Programming
Perusteet iteraatioille yms.
Chapter 5: Monte Carlo Methods
Monte Carlo metodit käyttää useata random sämpläystä ja valitsee parhaan (neuroverkon satunnaiset painoarvot??)
Chapter 6: Temporal-Difference Learning
Ennustavaa osaamista
Chapter 7: Multi-step Bootstrapping
????
Chapter 8: Planning and Learning with Tabular Methods
Usean variablen funtion minimikohtien löytämiseen