Article View: bln.lehre.misc
Article #8[VORTRAG] M. Riedmiller: REINFORCEMENT LEARNING - METHODEN UND ANWENDUNGEN
From: Peter Geibel
Date: Wed, 14 Jun 2000 00:00
Date: Wed, 14 Jun 2000 00:00
83 lines
3939 bytes
3939 bytes
--------------------------------------------------------------------------
F O R S C H U N G S K O L L O Q U I U M
KUENSTLICHE INTELLIGENZ
im Sommersemster 2000
Dienstag, den 27. Juni 2000
16.00 - 18.00 Uhr
Raum FR 0513
Franklinstr. 28/29
--------------------------------------------------------------------------
Martin Riedmiller
(Universität Karlsruhe)
REINFORCEMENT LEARNING - METHODEN UND ANWENDUNGEN
Reinforcement Learning oder Optimierendes Lernen ist eine relativ
junge Methode des maschinellen Lernens. Die Aufgabe des lernenden
Systems besteht darin, in einer Folge geeigneter Entscheidungen ein
vorgegebenes Ziel zu erreichen. Dabei sind im Gegensatz zum
überwachten Lernen keine korrekten Beispiele erfolgreicher
Entscheidungen vorgegeben; vielmehr ist es Aufgabe des Systems, allein
aus Erfolg/ Misserfolgs- Informationen sein Verhalten geeignet zu
modifizieren. Um das Lernziel zu erreichen muss das lernende System
also in der Lage sein, autonom erfolgreiche Lösungsstrategien
entwickeln.
Die Allgemeinheit des zugrundeliegenden Lösungsansatzes ermöglicht
die Anwendung auf eine Vielzahl unterschiedlichster Einsatzgebiete,
z.B. in der Regelungstechnik und Robotik, in Strategiespielen oder
bei Routing- und Schedulingproblemen. Während die Grundlagen des
Lernens weitestgehend erforscht sind, besteht eine aktuelle
Forschungsfrage in der Weiterentwicklung der Methodik in Richtung auf
zunehmend komplexere und damit praxisnähere Problemstellungen. Im
Vortrag werden einige der aktuell in unserer Forschungsgruppe
laufenden Arbeiten vorgestellt, die sich unter anderem mit der
Anwendung in kontinuierlichen Arbeitsräumen, wie sie z.B. bei
regelungstechnischen Problemstellungen typisch sind, beschäftigen.
------------------------------------------------------------------------
TU Berlin
FG Methoden der Künstlichen Intelligenz
Franklinstr. 28/29, FR 5-8
10587 Berlin
--------------------------------------------------------------------------
--------------------------------------------------------------------------
Das aktuelle Kolloquiumsprogramm finden Sie im WWW unter
http://ki.cs.tu-berlin.de/col.html
--------------------------------------------------------------------------
--------------------------------------------------------------------------
--
### Peter Geibel
### TU Berlin, KI, Sekr. FR 5-8, Franklinstr. 28/29, D-10587 Berlin
### Tel. +49-30-314-25491, Fax +49-30-314-24913
### http://www.cs.tu-berlin.de/~geibel, mailto:geibel@cs.tu-berlin.de
Technical Details
Message-ID:
<39477024.8DAFE66B@cs.tu-berlin.de>Path:
arc1-ca.pugleaf.net!unknown!not-for-mailShow Full Headers
Complete Article Headers
X-Google-Language: GERMAN,ASCII X-Google-Thread: 10d38e,e2c473a352e760e4,start X-Google-Attributes: gid10d38e,public X-Google-Thread: 10fc04,e2c473a352e760e4,start X-Google-Attributes: gid10fc04,public X-Google-Thread: 10af11,e2c473a352e760e4,start X-Google-Attributes: gid10af11,public From: Peter Geibel <geibel@cs.tu-berlin.de> Subject: [VORTRAG] M. Riedmiller: REINFORCEMENT LEARNING - METHODEN UND ANWENDUNGEN Date: 2000/06/14 Message-ID: <39477024.8DAFE66B@cs.tu-berlin.de> X-Deja-AN: 634385967 Content-Transfer-Encoding: quoted-printable X-Accept-Language: German/Germany, de-DE, en Content-Type: text/plain; charset=iso-8859-1 X-Complaints-To: news@cs.tu-berlin.de X-Trace: news.cs.tu-berlin.de 960983076 6530 130.149.29.49 (14 Jun 2000 11:44:36 GMT) Organization: TU Berlin Mime-Version: 1.0 NNTP-Posting-Date: 14 Jun 2000 11:44:36 GMT Newsgroups: bln.lehre.misc,bln.lehre.informatik,bln.sci.informatik