Sökning: "Djup Förstärkande Inlärning"

Hittade 4 uppsatser innehållade orden Djup Förstärkande Inlärning.

1. 1. Deep Reinforcement Learning on Social Environment Aware Navigation based on Maps

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Victor Sanchez; [2023]
   Nyckelord :Deep Reinforcement Learning; Environment-aware navigation; Robotics; Artificial Intelligence; Apprentissage par renforcement profond; Navigation consciente de l’humain; Intelligence Artificielle; Robotique; Djup Förstärkande Inlärning; Människomedveten navigering; Robotik; Artificiell Intelligens;

   Sammanfattning : Reinforcement learning (RL) has seen a fast expansion in recent years of its successful application to a range of decision-making and complex control tasks. Moreover, deep learning offers RL the opportunity to enlarge its spectrum of complex fields. LÄS MER

3. 2. The effects of multistep learning in the hard-exploration problem

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Jacob Friman; [2022]
   Nyckelord :;

   Sammanfattning : Reinforcement learning is a machine learning field which has received revitalised interest in later years due to many success stories and advancements in deep reinforcement learning. A key part in reinforcement learning is the need for exploration of the environment so the agent can properly learn the best policy. LÄS MER

4. 3. Deep Reinforcement Learning for Temperature Control in Buildings and Adversarial Attacks

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Kevin Ammouri; [2021]
   Nyckelord :Deep Reinforcement Learning; Adversarial Attacks; Optimal Attacks; Building Control; Optimal Control; Energy Efficiency; Djup förstärkande inlärning; Adversarial Attacker; Optimala Attacker; Byggnadskontroll; Optimal Kontroll; Energieffektivitet;

   Sammanfattning : Heating, Ventilation and Air Conditioning (HVAC) systems in buildings are energy consuming and traditional methods used for building control results in energy losses. The methods cannot account for non-linear dependencies in the thermal behaviour. LÄS MER

5. 4. Simulering av system med flera agenter genom användande av djup förstärkande inlärning

   Kandidat-uppsats, KTH/Skolan för teknikvetenskap (SCI)

   Författare :Petter Eriksson; Daniel Dalbom; [2019]
   Nyckelord :;

   Sammanfattning : Förstärkande inlärning har fått mycket uppmärksamhet under de senaste åren, främst genom att det används för att lära datorer för att spela video- och brädspel. I denna rapport undersöks hur väl algoritmer från detta område kan användas för att lösa ett problem med flera agenter. LÄS MER