Reinforcement Learning | Um pequeno panorama do Aprendizado por Reforço
Report
Share
•0 likes•321 views
![> Aprendizado
Supervisionado
> Aprendizado
Não-Supervisionado
> Aprendizado por Reforço
>> Q-Learning
[1]
Watkins, Christopher JCH, and Peter Dayan. "Q-learning." Machine learning 8.3-4 (1992): 279-292
Q-Learning é uma forma simples de agentes aprenderem a se
comportarem de forma ótima em um domínio Markoviano ”“
Watkins, 1989
[1]
Q-Learning](https://image.slidesharecdn.com/reinforcementlearning3-180710171624/75/reinforcement-learning-um-pequeno-panorama-do-aprendizado-por-reforo-16-2048.jpg?cb=1668683367)
![> Aprendizado
Supervisionado
> Aprendizado
Não-Supervisionado
> Aprendizado por Reforço
>> Q-Learning
[1]
Watkins, Christopher JCH, and Peter Dayan. "Q-learning." Machine learning 8.3-4 (1992): 279-292
Q-Learning é uma forma simples de agentes aprenderem a se
comportarem de forma ótima em um domínio Markoviano ”“
Watkins, 1989
[1]
0.8
0.10.1
. . .
Cadeia de Markov](https://image.slidesharecdn.com/reinforcementlearning3-180710171624/75/reinforcement-learning-um-pequeno-panorama-do-aprendizado-por-reforo-17-2048.jpg?cb=1668683367)
![> Aprendizado
Supervisionado
> Aprendizado
Não-Supervisionado
> Aprendizado por Reforço
>> Q-Learning
Catch the Ball
Q-Learning é uma forma simples de agentes aprenderem a se
comportarem de forma ótima em um domínio Markoviano ”“
Watkins, 1989
[1]](https://image.slidesharecdn.com/reinforcementlearning3-180710171624/75/reinforcement-learning-um-pequeno-panorama-do-aprendizado-por-reforo-18-2048.jpg?cb=1668683367)
Reinforcement Learning | Um pequeno panorama do Aprendizado por Reforço
•0 likes•321 views
Report
Share
Download to read offline
Reinforcement Learning (Aprendizado por Reforço) é um importante método de Machine Learning (Aprendizado de Máquina) na qual um agente aprende a se comportar interagindo com um ambiente e analisando os resultados obtidos. Serão apresentadas algumas técnicas de Reinforcement Learning (com ênfase no Q-Learning) e a sua aplicação em alguns cenários simples.
More Related Content
What's hot
What's hot(20)
Reinforcement Learning | Um pequeno panorama do Aprendizado por Reforço
- 1. Reinforcement Learning Introdução ao Aprendizado por Reforço Italo Lelis de Carvalho | @italohdc | hello@italolelis.com . . .
- 3. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço A AB B Treinamento Classificação A B Identificação B A A B Aprendizado Supervisionado Classificação Regressão a saída é uma categoria ( A, B, C... ) a saída é um valor real ( dólar, peso... )
- 4. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço Maçã Treinamento Classificação Maçã Laranja Identificação Aprendizado Supervisionado Maçã Laranja Laranja Laranja Laranja Maçã Maçã
- 5. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço
- 6. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço YOLO 2.0 Open source real-time image recognition
- 7. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço A AB B Treinamento Classificação Identificação Aprendizado Não-Supervisionado Clusterização Associação agrupamento de dados semelhantes regra de associação entre os dados
- 8. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço Maçã Treinamento Classificação Identificação Aprendizado Não-Supervisionado Maçã Laranja Laranja
- 9. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço Fonte: https://www.kahuna.com/blog/3-gifs-that-explain-the-power-of-machine-learning/ Descoberta Consideração Avaliação Compra Pontos de Interação Trajetória do Cliente Como ferramenta de Marketing: Permite aprender os passos do consumidor até a compra do produto...
- 10. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço Reinforcement Learning Aprendizado por Reforço
- 11. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço
- 12. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço
- 13. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço Atari Games
- 14. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço
- 15. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço - Reconhecimento de objetos - Recompensa por seguir leis de trânsito - Punição por desobedecer leis de trânsito Carro Autônomo
- 16. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço >> Q-Learning [1] Watkins, Christopher JCH, and Peter Dayan. "Q-learning." Machine learning 8.3-4 (1992): 279-292 Q-Learning é uma forma simples de agentes aprenderem a se comportarem de forma ótima em um domínio Markoviano ”“ Watkins, 1989 [1] Q-Learning
- 17. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço >> Q-Learning [1] Watkins, Christopher JCH, and Peter Dayan. "Q-learning." Machine learning 8.3-4 (1992): 279-292 Q-Learning é uma forma simples de agentes aprenderem a se comportarem de forma ótima em um domínio Markoviano ”“ Watkins, 1989 [1] 0.8 0.10.1 . . . Cadeia de Markov
- 18. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço >> Q-Learning Catch the Ball Q-Learning é uma forma simples de agentes aprenderem a se comportarem de forma ótima em um domínio Markoviano ”“ Watkins, 1989 [1]
- 19. Learn Snake Teaching an AI to play Snake using Reinforcement Learning Q-Learning
- 20. - não precisa instalar - roda direto no navegador - funciona “out-of-the-box”
- 21. Learn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados Q-Table Uma Q-Table é uma tabela com uma lista de estados e a probabilidade de sucesso para cada ação que o agente pode tomar naquele estado Exemplo de uma Q-Table (a melhor ação a ser tomada está em azul)
- 22. Q-Table Uma Q-Table é uma tabela com uma lista de estados e a probabilidade de sucesso para cada ação que o agente pode tomar naquele estado Exemplo de uma Q-Table (a melhor ação a ser tomada está em azul) Learn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados
- 23. Algoritmo 1. Descobrir qual o estado atual 2. Executar a melhor ação para o estado 3. Receber recompensa pela ação executada 4. Descobrir o novo estado após executada a ação 5. Atualizar Q-Table com as informações obtidas Learn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados 5.
- 24. UP DOWN LEFT RIGHT Ações DisponíveisLearn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados
- 25. +1 -1 0 pegar a maçã bater na própria cauda qualquer outra situação RecompensasLearn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados
- 26. Estados Os estados são salvos no código na forma de um dicionário Cada estado possui um “nome” que contém suas respectivas informações Learn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados
- 27. Estados Como o dicionário é armazenado no código... Os estados são salvos no código na forma de um dicionário Cada estado possui um “nome” que contém suas respectivas informações Exemplo de uma Q-Table no código Nome do Estado Informações sobre as ações Learn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados
- 28. Estados Como o dicionário é armazenado no código... Os estados são salvos no código na forma de um dicionário Cada estado possui um “nome” que contém suas respectivas informações Exemplo de uma Q-Table no código Nome do Estado Informações sobre as ações Learn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados
- 29. Algoritmo 1. Descobrir qual o estado atual 2. Executar a melhor ação para o estado 3. Receber recompensa pela ação executada 4. Descobrir o novo estado após executada a ação 5. Atualizar Q-Table com as informações obtidas Learn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados direita +1 5.
- 30. Algoritmo 1. Descobrir qual o estado atual 2. Executar a melhor ação para o estado 3. Receber recompensa pela ação executada 4. Descobrir o novo estado após executada a ação 5. Atualizar Q-Table com as informações obtidas Learn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados direita +1 +1 5. 0.650.8 0.8 0 Novo valor: 0.93
- 31. Learn Snake > Q-Table > Algoritmo > Ações > Recompensas > Estados +1 5. 0.650.8 0.8 0 Novo valor: 0.93 Taxa de Aprendizagem 65% 0.65 Valor Mantido Valor Mantido Valor a ser atualizado Valor a ser atualizado 20% 0.2
- 32. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço >> Q-Learning > Algoritmo Genético Algoritmo Genético Mar I/O
- 33. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço >> Q-Learning > Algoritmo Genético by Ivan Seidel
- 34. > Aprendizado Supervisionado > Aprendizado Não-Supervisionado > Aprendizado por Reforço >> Q-Learning > Algoritmo Genético Genomas
- 35. Rescue Maze 2º Lugar RoboCup Holanda 2013 1º Lugar Competição Brasileira de Robótica #Arduino #Tremaux #A_Star_Algorithm Cinto de Auxílio a Deficientes Visuais FEBRACE 2014 Interação Humano-Robô usando Realidade Virtual #Unity #RealidadeVirtual #Voronoi Italo Lelis Estudante de Engenharia de Controle e Automação, UFMG italohdc italolelis.com 3x