Spezialvorlesung (Special Lecture) KI (D)

Optimierendes Lernen (Reinforcement Learning)
Prof. Dr. M. Riedmiller und Dr. Thomas Gabel

• Vorlesungen:
  • Dienstag, 11:00 - 13:00, Geb. 101, Raum 001/18
  • Donnerstag, 11:00 - 13:00, Geb. 101, Raum 001/18
• Übungen (im Wechsel, nach Ankündigung):
  • Dienstag, 11:00 - 13:00, Geb. 101, Raum 001/18
• Prüfung:
  • ACHTUNG: Die Zulassung zur Prüfung setzt die persönliche Anwesenheit in den Übungen (>50%) voraus!
  • Klausur (nur Master): 4. März 2010, 10:00 (s.t.) - 11:30, Geb. 101, Raum 01-009/13
  • Mündliche Prüfung (nur Bachelor): 4. März 2010, ggf. 5. März 2010
  • Anmeldung übers Prüfungsamt
• Kreditpunkte:
  • 6 ECTS
• Sprache:
  • Deutsch/German

Die Vorlesung behandelt den Lerntypus des optimierenden Lernens (Reinforcement Learning). Beim optimierenden Lernen steht dem Lerner nur die Information über Erfolg oder Misserfolg zur Verfügung. Die Vorlesung bespricht Lösungsmethoden und Algorithmen zur Lösung dieser Aufgabenstellung auf der Grundlage Markov'scher Entscheidungsprobleme.

• Vorlesung: Einführung (1-seitig)
• Vorlesung: MDPs (1-seitig)
• Vorlesung: Value Iteration (1-seitig)
• Vorlesung: Value Iteration und Policy Iteration (1-seitig)
• Beweis: Value Iteration (1-seitig)
• Vorlesung: Beispiele zu MDPs (1-seitig)
• Vorlesung: TD-Methoden (1-seitig)
• Vorlesung: Umformung TD(lambda) (1-seitig)
• Vorlesung Optimistische Strategie Iteration (1-seitig)
• Lernen auf Trajektorien (1-seitig)
• Vorlesung Q-Learning (1-seitig)
• Vorlesung Repräsentation (1-seitig)
• Vorlesung Anwendungsbeispiel (1-seitig)
• Invited Lecture POMDPs