Modélisation de l'espace d'entrée

Cette séance de cours traite des défis de la représentation des espaces d'entrée dans l'apprentissage par renforcement, où les méthodes tabulaires deviennent impraticables en raison du grand nombre d'états. L'instructeur explique comment les réseaux de neurones et les réseaux radiaux peuvent être utilisés pour modéliser des espaces d'entrée continus, en utilisant des exemples tels que Backgammon et Mountain Car. La séance de cours couvre la transition de l'apprentissage TD tabulaire aux représentations de réseau neuronal, y compris l'utilisation de fonctions d'erreur et de gradients. Diverses variantes d'algorithmes d'apprentissage TD sont explorées, soulignant l'importance d'utiliser des réseaux de neurones pour généraliser les valeurs Q dans les espaces continus.