Reinforcement Learning from Scarce Experience via Policy Search, Fachbücher von Leonid Peshkin

Das Buch "Reinforcement Learning from Scarce Experience via Policy Search" von Leonid Peshkin bietet eine umfassende Analyse der Herausforderungen und Möglichkeiten im Bereich des Reinforcement Learning. In einer zunehmend von künstlichen Systemen geprägten Welt untersucht der Autor, wie diese Systeme durch formale Modelle in realen und virtuellen Umgebungen agieren können. Der Fokus liegt auf der Entwicklung von synthetischer Intelligenz, die durch Versuch und Irrtum aus Feedback lernt, um Handlungen in Bezug auf Belohnungen zu optimieren. Das Buch beleuchtet die Komplexität des Reinforcement Learning, insbesondere in Szenarien, in denen Handlungen nicht nur unmittelbare Belohnungen beeinflussen, sondern auch zukünftige Wahrnehmungen und Belohnungen. Peshkin schlägt innovative Ansätze vor, um die Aufgaben des Controller-Designs in handhabbare Teilaufgaben zu zerlegen, die unabhängig gelöst werden können. Diese Ansätze beinhalten die Nutzung vergangener Erfahrungen und die Unterstützung des Lernprozesses durch eine gezielte Anfangskonfiguration.