June 2020
Intermediate to advanced
768 pages
22h 23m
German
Im letzten Kapitel, Deep Q-Networks, haben wir das 2015 von DeepMind veröffentlichte DQN implementiert (https://deepmind.com/research/publications/playing-atari-deep-reinforcement-learning). Diese Arbeit hatte erheblichen Einfluss auf das Reinforcement Learning, denn sie demonstrierte, dass es entgegen der verbreiteten Meinung möglich ist, nicht-lineare Approximatoren zu verwenden. Dieser Nachweis führte zu großem Interesse am Fachgebiet Q-Learning im Besonderen und am Deep Reinforcement Learning im Allgemeinen.
In diesem Kapitel gehen wir einen weiteren Schritt in Richtung praktischer Anwendung des Reinforcement Learnings und untersuchen allgemeine RL-Bibliotheken, die es ermöglichen, den Code anhand allgemeiner ...