ກ້າວສູ່ AGI: ທົບທວນ ແລະ ຮຽນຕໍ່
ທົບທວນທັງໝົດ ແລະ ສິ່ງທີ່ຄວນຮຽນຕໍ່.
ລອງກັບໄປອ່ານນິຍາມໃນບົດ 1 ອີກຄັ້ງ: ໂປຣແກຣມທີ່ຮຽນຮູ້ດ້ວຍການລອງຜິດລອງຖືກ ຈາກ feedback ທີ່ ຕໍ່ເນື່ອງ, ປະເມີນ ແລະ ສຸ່ມ ໂດຍໃຊ້ function approximation ທີ່ບໍ່ເປັນເສັ້ນຊື່. ທຸກຄຳໃນນິຍາມນີ້ ທ່ານໄດ້ຮຽນມາແລ້ວ.
ແຜນທີ່ວິທີທັງໝົດ
| ກຸ່ມ | ຮຽນຫຍັງ | ຕົວຢ່າງ |
|---|---|---|
| Value-based | Q(s,a) | Q-learning, DQN, DDQN, Dueling, PER |
| Policy-based | π(a|s) ໂດຍກົງ | REINFORCE, VPG |
| Actor-critic | π ແລະ V/Q ພ້ອມກັນ | A2C, A3C, DDPG, TD3, SAC, PPO |
| Model-based | T ແລະ R ຂອງ environment | Dyna-Q, trajectory sampling |
| Derivative-free | ປັບ parameter ໂດຍບໍ່ໃຊ້ gradient | Evolution strategies, genetic algorithms |
ຫົວຂໍ້ຂັ້ນສູງທີ່ຄວນຮຽນຕໍ່
Model-based Deep RLຮຽນ model ດ້ວຍ neural network ແລ້ວວາງແຜນ ໃຊ້ຂໍ້ມູນໜ້ອຍລົງຫຼາຍ
Inverse RLຮຽນ reward ຈາກການເບິ່ງຜູ້ຊ່ຽວຊານເຮັດ
Transfer · Sim-to-realຝຶກໃນ simulation ແລ້ວນຳໄປໃຊ້ກັບຫຸ່ນຍົນຈິງ
Multi-task · Meta learningagent ດຽວເຮັດໄດ້ຫຼາຍວຽກ ແລະ "ຮຽນວິທີຮຽນ"
Multi-agent RLຫຼາຍ agent ຮ່ວມມື ຫຼື ແຂ່ງຂັນກັນ
ແກ້ບັນຫາຂອງທ່ານເອງສ້າງ environment ໃໝ່ດ້ວຍ Gymnasium ແລ້ວລອງທຸກ algorithm
ກ້າວຕໍ່ໄປ
- ລັນໂຄດທຸກບົດ ແລ້ວລອງປ່ຽນ hyperparameter (γ, α, ε, λ) ເບິ່ງວ່າຜົນປ່ຽນແນວໃດ
- ສ້າງ grid-world ຂອງຕົວເອງ ແລ້ວແກ້ດ້ວຍ value iteration ແລະ Q-learning
- ລອງ library ເຊັ່ນ Stable-Baselines3 ເພື່ອໃຊ້ PPO / SAC ກັບໂປຣເຈັກຈິງ
- #DeepRL
- #ReinforcementLearning
- #PythonສຳລັບຄົນLaos
- #AI
- #ບອກຕໍ່ຄວາມຮູ້