Versterkend leren voor systemen met dynamiek in twee richtingen
Er is een nieuwe methode gepresenteerd voor versterkend leren die geschikt is voor processen met zowel voorwaartse als achterwaartse dynamiek. Dit biedt uitkomst voor complexe situaties zoals netwerksystemen, die niet met standaard Markov-beslissingsprocessen kunnen worden gemodelleerd.
Versterkend leren is een tak van kunstmatige intelligentie waarin software-agenten leren door acties uit te voeren binnen een omgeving. Veel bestaande algoritmen gaan uit van processen die zich in de tijd naar voren ontwikkelen vanaf een beginpunt.
In de praktijk zijn er echter scenario's, zoals stochastische controle en netwerken, waarin processen zowel een voorwaartse als een achterwaartse dynamiek kennen. Het nieuwe algoritme biedt theoretische handvatten om dergelijke complexe situaties alsnog effectief te analyseren en te optimaliseren met versterkend leren.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.LG). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel