Deep learning en action

ANNEXE B RL4J et apprentissage par renforcement

Ruben Fiszel (http://rubenfiszel.github.io/)

Préliminaires

Nous commençons cette annexe par une introduction à l’apprentissage par renforcement, suivie d’une explication détaillée sur les réseaux Q profonds (DQN) pour les entrées de pixels, puis nous conclurons en vous montrant un exemple en RL4J. Débutons par un tour d’horizon sur les concepts de base de l’apprentissage par renforcement.

L’apprentissage par renforcement est un domaine passionnant de l’apprentissage automatique. Il s’agit, fondamentalement, de l’apprentissage d’une stratégie efficace dans un environnement donné. Dans un sens, c’est très similaire au conditionnement pavlovien : vous attribuez une récompense pour un comportement donné ...