Habilitationen 2007

Reinforcement Learning (RL) ist der Oberbegriff für maschinelle Lernverfahren, bei denen ein Agent eine Strategie für zielgerichtetes Verhalten innerhalb eines gegebenen Prozesses ausschließlich auf Grund eines externen, skalaren Belohnungssignals erlernt. Der Vortrag motiviert diesen Lernansatz, führt Reinforcement Learning formal ein, erläutert das Konzept der Backups und gibt einen Überblick über wesentliche konkrete RL-Algorithmen, nämlich TD(l) und Q-Lernen. Im letzten Teil des Vortrags werden neuere Entwicklungen betrachtet, die das Problem der sehr langsamen Konvergenz von RL bei Lernaufgaben von realistischer Komplexität zu lösen versuchen.