Reinforcement Learning

Question 1

Was ist Reinforcement Learning?

Answer 1

Lernen von sequenziellen Entscheidungen
Entscheidungen werden nicht isoliert betrachtet, sondern der gesamte Prozess

Question 2

Was nutzt reinforcement Learning im Gegensatz zu (Un)supervised Learning?

Answer 2

“belohnende” Lernmethode

Aktionen sollen Belohnung maximieren
Ziel: Automatische Entwicklung einer möglichst optimalen Steuerung (“Policy”)

Question 3

Was ist die Policy bei Reinforcement Learning?

Answer 3

Aus allen möglichen Aktionen soll die bestmögliche gewählt werden
-> „Taktik“ oder „Steuerung“
-> Für jede Taktik existiert eine erwartende kumulative Belohnung

Question 4

Kumulative Belohnung

Answer 4

aufsummierte Belohnung, die ein Agent über eine gesamte Episode oder über mehrere Zeitschritte hinweg erhält.

Question 5

Bewertung von Zuständen und Aktionen bei Recurrent Networks

Answer 5

Gebrauch bei RL
- Wie gut ist ein bestimmter zustand: langsfristige Belohnung
- Wie ist eine Aktion innerhalb eines Zustands