Séance de cours
Représentations factorielles : efficacité de la planification
Dans cours
DEMO: ad ullamco
Occaecat pariatur do ipsum consectetur qui anim non est aliquip. Duis ex excepteur occaecat labore magna labore. Nostrud elit exercitation mollit do est. Exercitation ex commodo duis nostrud aliquip duis dolor magna duis nisi. Elit consequat ullamco tempor fugiat incididunt aliquip qui ea ex ipsum adipisicing cupidatat sunt ex. Do id voluptate proident labore velit ad incididunt ut duis in tempor est do. Deserunt anim sunt ut consequat tempor laboris eu.
Description
Cette séance de cours explore les représentations factorisées pour la planification, en se concentrant sur la réduction de la complexité en modélisant les fonctionnalités séparément. Il couvre les problèmes de planification de la vie réelle comme le contrôle de la circulation au sol de l'aéroport et l'explosion de l'espace de l'État. Des techniques telles que les représentations logiques et les réseaux neuronaux sont discutées, ainsi que l'itération des politiques et l'affacturage des fonctions de valeur. La séance de cours se penche également sur Graphplan, le calcul de la situation et la planification de l’engagement minimal, montrant comment ces méthodes peuvent améliorer l’efficacité de la planification.
Enseignant
excepteur elit velit
Excepteur qui elit voluptate commodo irure enim. Et ea velit do deserunt minim magna quis dolor excepteur sit eu sint ex cillum. Dolore proident esse aliquip aliquip ex minim cillum quis cillum esse. Mollit officia excepteur veniam sint labore occaecat aliqua proident. Mollit aliqua irure deserunt Lorem labore et sunt culpa magna proident et cillum.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Séances de cours associées (46)
Curiosité et récompense: Neurosciences à l'IA
S'insère dans la motivation intrinsèque, l'IA incarnée, la demande d'information, la nouveauté et la curiosité dans la prise de décision.
Surprise, curiosité et récompense : une perspective évolutive
Explore la perspective évolutive de la surprise, de la curiosité et de la récompense, en mettant l'accent sur le rôle des signaux de récompense primaires et secondaires.
Problème de vente d'actifs
Explore le problème de la vente d'actifs pour maximiser la récompense à long terme sans délai.
Concepts d'apprentissage par renforcement
Couvre les concepts clés de l'apprentissage par renforcement, des réseaux neuronaux, du clustering et de l'apprentissage non supervisé, en mettant l'accent sur leurs applications et leurs défis.
Problèmes d'horizon infini : formulation et complexité
Couvre les problèmes d'horizon infini dans les processus de probabilité appliquée et stochastiques.