Stochastic Systems Divergence through Reinforcement Learning, Fachbücher von Sami Zhioua

Das Buch "Stochastic Systems Divergence through Reinforcement Learning" von Sami Zhioua bietet eine umfassende Analyse der quantitativen Unterschiede zwischen stochastischen Systemen. Es beleuchtet die Anwendung mathematischer Formale in der Modellierung realer Systeme und Phänomene, insbesondere in den Bereichen Wissenschaft und Ingenieurwesen. Die Arbeit konzentriert sich auf die Nutzung von Reinforcement Learning (RL), einer Disziplin der künstlichen Intelligenz, um die Divergenz zwischen stochastischen Systemen effizient zu quantifizieren. Durch die Definition eines Markov-Entscheidungsprozesses (MDP) aus den zu vergleichenden Systemen wird der optimale Wert des MDP als Mass für die Divergenz interpretiert. Ein herausragendes Merkmal dieser Methode ist, dass sie nicht auf das Wissen über die interne Struktur der Systeme angewiesen ist, was sie besonders vielseitig und anwendbar macht.