Раздел 5 / 9

Страница 29 / 70

Глава 3. Нейросетевое обучение

Режим постраничного просмотра

/

На первую страницу

На предыдущую главу

На следующую главу

На последнюю страницу

Озвучивание недоступно

/

Внимание! Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.

Режим постраничного просмотра

Для продолжения работы требуется Registration

На предыдущую главу

На следующую главу

Скачать приложение

Мультиагентное обучение с подкреплением

Table of contents

Предисловие

Введение

Глава 1. Независимое табличное обучение +

Глава 2. Обучение в матричных и стохастических играх +

Глава 3. Нейросетевое обучение -

3.1. Классификация

3.2. Модель

3.2.1. Глубокое Q-обучение

3.2.2. Децентрализованные частично наблюдаемые марковские процессы принятия решений (Dec-POMDP)

3.2.3. Двойная декомпозиция Q-значений

3.2.4. Глубокий детерминированный градиент стратегий

3.3. Алгоритмы

3.3.1. Независимое глубокое обучение с использованием полносвязной нейронной сети (IQN)

3.3.2. Централизованное обучение с использованием сверточной нейронной сети (CDQN)

3.3.3. Декомпозиция Q-значений c использованием рекуррентной нейронной сети (VDN)

3.3.4. Мультиагентный глубокий детерминированный градиент стратегий (MADDPG)

3.4. Карта

3.5. Технология

3.6.1. Алгоритм IQN

3.6.2. Алгоритм VDN

3.6.3. Алгоритм MADDPG

3.7. Эксперимент

3.7.1. Алгоритм IQN

3.7.2. Алгоритм CDQN

3.7.3. Алгоритм VDN

3.7.4. Алгоритм MADDPG

3.8. Выводы

3.9. Задачи для самоконтроля

Глава 4. Эволюционное обучение +

Глава 5. Роевое обучение +

Заключение

Литература +