Lecture 12 2024; Off-line training with neural nets for approximate VI and PI. Aggregation

Автор: Dimitri Bertsekas

Загружено: 2024-04-06

Просмотров: 402

Описание: Slides, class notes, and related textbook material at http://web.mit.edu/dimitrib/www/RLboo... A review of neural nets, approximation architectures, and off-line training. Approximate (fitted) value iteration, advantages of Q-learning, use of baselines, differential training, advantage updating. Implementation issues in approximate policy iteration: exploration, policy oscillations, robustness in the face of changing system parameters and on-line replanning. Aggregation architectures. A simple form of aggregation: representative states. Aggregation with representative features.

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...

Lecture 12 2024; Off-line training with neural nets for approximate VI and PI. Aggregation

Доступные форматы для скачивания:

Скачать видео

Информация по загрузке:

Скачать аудио

Похожие видео

Lecture 11, 2024: On-line training, neural networks, and other approximation architectures

Lecture 11, 2024: On-line training, neural networks, and other approximation architectures

Lecture 12, 2021: Aggregation methods and approximation in value space. ASU.

Lecture 12, 2021: Aggregation methods and approximation in value space. ASU.

Lecture 12, 2025; Training of cost functions, approximation in policy space, policy gradient methods

Lecture 12, 2025; Training of cost functions, approximation in policy space, policy gradient methods

Lec 01. Introduction to Deep Learning

Lec 01. Introduction to Deep Learning

Bertsekas - Dynamic Programming

Bertsekas - Dynamic Programming

Lecture 1, 2024, course overview: RL and DP, AlphaZero, discrete and continuous applications

Lecture 1, 2024, course overview: RL and DP, AlphaZero, discrete and continuous applications

Abstract Dynamic Programming, Reinforcement Learning, Newton's Method, and Gradient Optimization

Abstract Dynamic Programming, Reinforcement Learning, Newton's Method, and Gradient Optimization

Физически-информированные нейронные сети (PINN) [Машинное обучение с учетом физики]

Физически-информированные нейронные сети (PINN) [Машинное обучение с учетом физики]

MIT 6.S191: Convolutional Neural Networks

MIT 6.S191: Convolutional Neural Networks

Мир AI-агентов уже наступил. Что меняется прямо сейчас

Мир AI-агентов уже наступил. Что меняется прямо сейчас

4 Hours Chopin for Studying, Concentration & Relaxation

4 Hours Chopin for Studying, Concentration & Relaxation

Plenary lecture at IFAC Nonlinear MPC, 2024; Model Predictive Control and Reinforcement Learning

Plenary lecture at IFAC Nonlinear MPC, 2024; Model Predictive Control and Reinforcement Learning

Урганта спустили с небес на землю

Урганта спустили с небес на землю

Lecture 4, 2025, POMDP, Systems with Changing Parameters, Adaptive Control, Model Predictive Control

Lecture 4, 2025, POMDP, Systems with Changing Parameters, Adaptive Control, Model Predictive Control

2: Training Deep NNs (cont.); Introduction to Keras/Tensorflow; Application to Tabular Data

2: Training Deep NNs (cont.); Introduction to Keras/Tensorflow; Application to Tabular Data

Lecture 10, 2025; Aggregation Methods for Off-Line Training, Applications to POMDP and Cybersecurity

Lecture 10, 2025; Aggregation Methods for Off-Line Training, Applications to POMDP and Cybersecurity

Лекция от легенды ИИ в Стэнфорде

Лекция от легенды ИИ в Стэнфорде

Уоррен Баффет: Как вырваться из нищеты. (Петля бедности)

Уоррен Баффет: Как вырваться из нищеты. (Петля бедности)

OpenAI is Suddenly in Trouble

OpenAI is Suddenly in Trouble

Музыка для работы за компьютером | Фоновая музыка для концентрации и продуктивности

Музыка для работы за компьютером | Фоновая музыка для концентрации и продуктивности