An Algorithmic Perspective on Imitation Learning
Da Roboter und andere intelligente Agenten von einfachen Umgebungen und Problemen zu komplexeren, unstrukturierten Umgebungen übergehen, wird die manuelle Programmierung ihres Verhaltens immer schwieriger und teurer. Oft ist es für einen Lehrer einfacher, ein gewünschtes Verhalten zu demonstrieren, als zu versuchen, es manuell zu entwickeln. Dieser Prozess des Lernens von Demonstrationen und die Untersuchung von Algorithmen, die dies ermöglichen, wird als Imitationslernen bezeichnet.
Das Buch An Algorithmic Perspective on Imitation Learning bietet dem Leser eine Einführung in das Nachahmungslernen. Er behandelt die zugrundeliegenden Annahmen, Ansätze und ihre Zusammenhänge, die zahlreichen Algorithmen, die zur Lösung des Problems entwickelt wurden, sowie Ratschläge zu effektiven Werkzeugen und zur Implementierung.
An Algorithmic Perspective on Imitation Learning richtet sich an zwei Zielgruppen. Erstens macht es Experten für maschinelles Lernen mit den Herausforderungen des Nachahmungslernens vertraut, insbesondere mit denen, die sich in der Robotik ergeben, sowie mit den interessanten theoretischen und praktischen Unterschieden zwischen dem Nachahmungslernen und bekannteren Verfahren wie der statistischen Theorie des überwachten Lernens und dem Verstärkungslernen. Zweitens vermittelt es Robotikern und Experten für angewandte künstliche Intelligenz ein breiteres Verständnis für die Rahmenbedingungen und Werkzeuge, die für das Nachahmungslernen zur Verfügung stehen. Besonderes Augenmerk wird dabei auf die enge Verbindung zwischen Ansätzen des Nachahmungslernens und denen der strukturierten Vorhersage gelegt.
| ISBN: | 9781680834109 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 194 |
Derzeit verfügbar, auf Lager.
