Reinforcement Learning
Springer Vieweg (Verlag)
978-3-662-68310-1 (ISBN)
- Führt in die wichtigsten Lernalgorithmen allgemein verständlich ein
- Bereitet das Thema auch für interessierte Kreise außerhalb des akademischen Betriebs auf
- Beinhaltet Beispielübungen in Java und Greenfoot
In uralten Spielen wie Schach oder Go können sich die brillantesten Spieler verbessern, indem sie die von einer Maschine produzierten Strategien studieren. Robotische Systeme üben ihre Bewegungen selbst. In Arcade Games erreichen lernfähige Agenten innerhalb weniger Stunden übermenschliches Niveau. Wie funktionieren diese spektakulären Algorithmen des bestärkenden Lernens?
Mit gut verständlichen Erklärungen und übersichtlichen Beispielen in Java und Greenfoot können Sie sich die Prinzipien des bestärkenden Lernens aneignen und in eigenen intelligenten Agenten anwenden. Greenfoot (M.Kölling, King's College London) und das Hamster-Modell (D.Bohles, Universität Oldenburg) sind einfache, aber auch mächtige didaktische Werkzeuge, die entwickelt wurden, um Grundkonzepte der Programmierung zu vermitteln.
Wir werden Figuren wie den Java-Hamster zu lernfähigen Agenten machen, die eigenständig ihre Umgebung erkunden.
Die zweite Auflage enthält neue Themen wie "Genetische Algorithmen" und "Künstliche Neugier" sowie Korrekturen und Überarbeitungen.
Uwe Lorenz war nach seinem Studium der Informatik und Philosophie mit Schwerpunkt künstliche Intelligenz und maschinelles Lernen an der Humboldt-Universität in Berlin und einigen Jahren als Projektingenieur für 10 Jahr als Gymnasiallehrer für Informatik und Mathematik tätig. Seit seinem Erstkontakt mit Computern Ende der 80er Jahre hat ihn das Thema Künstliche Intelligenz nicht mehr losgelassen. Derzeit arbeitet er als wissenschaftlicher Mitarbeiter in der Arbeitsgruppe Didaktik der Informatik bei Prof. Dr. Romeike an der Freien Universität Berlin in einem Projekt zur Thematik "Verantwortungsvolle Künstliche Intelligenz in der Lehramtsausbildung".
Bestärkendes Lernen als Teilgebiet des Maschinellen Lernens
Grundbegriffe des Bestärkenden Lernens
Optimale Entscheidungen in einem bekannten Umweltsystem
Entscheiden und Lernen in einem unbekannten Umweltsystem
Neuronale Netze als Schätzer für Zustandsbewertungen und Aktionspreferenzen
Werden digitale Agenten bald intelligenter als Menschen sein?
Leitbilder in der KI.
| Erscheinungsdatum | 05.04.2024 |
|---|---|
| Zusatzinfo | XVI, 204 S. 76 Abb., 63 Abb. in Farbe. |
| Verlagsort | Berlin |
| Sprache | deutsch |
| Maße | 168 x 240 mm |
| Einbandart | kartoniert |
| Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
| Informatik ► Theorie / Studium ► Theoretische Informatik | |
| Schlagworte | Actor-Critic • bestärkendes Lernen • Deep Reinforcement Learning • Greenfoot • Java-Hamster • Künstliche Intelligenz • Maschinelles Lernen • Policy Gadient • Q-Learning • Reinforcement Learning • Sarsa • verstärkendes lernen |
| ISBN-10 | 3-662-68310-5 / 3662683105 |
| ISBN-13 | 978-3-662-68310-1 / 9783662683101 |
| Zustand | Neuware |
| Haben Sie eine Frage zum Produkt? |
aus dem Bereich
