Reinforcement Learning avec MATLAB et Simulink

Les médias ont récemment montré que les algorithmes de Reinforcement Learning sont désormais capables de battre des joueurs professionnels de GO, Dota 2 et Starcraft 2. Le Reinforcement Learning est une méthode d’apprentissage qui permet d’ajouter de l’intelligence artificielle dans des applications complexes telles que les jeux vidéo, la robotique ou les véhicules autonomes.

Vous souhaitez appliquer le Reinforcement Learning à votre projet, mais vous ne l’avez jamais utilisé ? Nous allons vous montrer par où commencer.

Cet e-book vous initiera au Reinforcement Learning dans MATLAB® et Simulink® grâce à une description de la terminologie, des exemples, des tutoriels et la mise à disposition de logiciels d'essai.

Lisez ces ebooks pour en savoir plus :

Reinforcement Learning avec MATLAB : concepts de base et configuration de l’environnement

Partie 1 : Concepts de base et configuration de l’environnement
Apprenez les bases du Reinforcement Learning et comment il peut être comparé au design de systèmes de contrôle traditionnel. Cet e-book vous permettra de comprendre la différence entre l'apprentissage supervisé, non supervisé et le Reinforcement Learning, mais aussi de découvrir comment mettre en place un environnement pour l’apprentissage dans MATLAB et Simulink.

Reinforcement Learning avec MATLAB : comprendre les principes de récompense et de politique

Partie 2 : Comprendre les principes de récompense et de politique
Découvrez les phases d'exploration et d'exploitation dans le Reinforcement Learning, et la façon de créer des fonctions de récompense. Explorez les différentes options pour représenter les politiques, notamment les réseaux de neurones, et comment ces derniers peuvent être utilisées comme approximateurs de fonctions.

Le Reinforcement Learning avec MATLAB : comprendre l’apprentissage et le déploiement

Partie 3 : Comprendre l’apprentissage et le déploiement
Explorez les différents types d’algorithmes d’apprentissage, notamment les méthodes basées sur les politiques, les valeurs et les algorithmes acteur-critique. Découvrez les avantages et les inconvénients de chaque méthode d’apprentissage, ainsi que l’équation de Bellman. Enfin, étudiez les différents éléments à prendre en compte avant de déployer une politique entraînée, ainsi que les défis et inconvénients associés à cette technique.

Version d'essai gratuite de 30 jours

Essayez MATLAB, Simulink et d'autres produits.

Commencer