Bestärkendes Lernen

Benny Botsch ()

Chapter Kapitel 7 in Maschinelles Lernen - Grundlagen und Anwendungen, 2023, pp 123-145 from Springer

Abstract: Zusammenfassung Das bestärkende Lernen (engl. „reinforcement learning“) ist ein Verfahren des maschinellen Lernens, bei dem ein Agent mit seiner Umwelt interagiert und dabei Belohnungen oder Strafen für bestimmte Aktionen erhält. Der Agent lernt durch die Wiederholung dieser Interaktionen, welche Aktionen in bestimmten Umständen die größte Belohnung erzielen. Eine Anwendung des bestärkenden Lernens ist die Steuerung von industriellen Prozessen, wie z. B. die Regelung der Temperatur in einem Kraftwerk. Der Agent kann durch die Interaktion mit dem Prozess lernen, welche Aktionen die beste Leistung erzielen, ohne dass es erforderlich ist, ein A-priori-Modell des Prozesses zu haben. Eine weitere Anwendung des bestärkenden Lernens ist die Steuerung von Robotern, insbesondere in Umgebungen, die für den Menschen gefährlich oder unzugänglich sind, wie z. B. in der Rettungsrobotik oder der Exploration von unbekannten Umgebungen. Der Agent kann durch die Interaktion mit seiner Umgebung lernen, wie er sich fortbewegen und mit seiner Umgebung interagieren sollte, um seine Aufgaben erfolgreich zu erfüllen.

Date: 2023
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-662-67277-8_7

Ordering information: This item can be ordered from
http://www.springer.com/9783662672778

DOI: 10.1007/978-3-662-67277-8_7

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().