Speci: Tanulorendszerek I

Kedves Erdeklodok! Az Informatika Tanszekcsoport eloadasai kereteben meghirdetesre kerul a kovetkezo specialkollegium: TANULORENDSZEREK I. Bevezetes a megerositeses tanulas (RL) elmeletebe es gyakorlataba Eloado: Lorincz Andras (http://iserv.iki.kfki.hu/New/pub.html) Jelentkezes: alorincz(a)mail.matav.hu 1. Bevezetes (RL helye a tanulasi algoritmusok kozott, HUMAN SZINTU EREDMENYEK sakkban, backgammonban, szabalyozasban) 2. Kiertekelo visszacsatolas 3. Az RL problema (Az ugynok-kornyezet interface, Celok es jutalmak, Markov dontesi folyamatok, Ertekfuggveny, Optimalis ertekfuggveny) 4. Dinamikus programozas (Politika kiertekelese, Politika javitasa, Politika iteralasa, Ertek iteracio, Altalanositott politika-iteracio) 5. Monte Carlo modszerek 6. Konnekcionista eszkozok (Perceptron es a Delta-szabaly, Tobbretegu perceptron es a visszaterjeszteses tanulas, Informaciot orzo ritka reprezentacio) 7. Idodifferenciak (TD) modszere (Veges allapotter problemaja, TD predikcio, a TD modszerek elonyei, Ritka reprezentacio es linearis approximacio) 8. Alkalmazasok (TD-gammon, Liftrendszer, TD-sakk, Folytonos feladatok) 9. Modularis RL (A "kosarlabdazo" Khepera, Fogalomalkotas - allapotabsztrakcio) 10. Kitekintes: tanulorendszerek II (Biologiai relevancia, Neuroprotezis vakoknak es suketeknek, Mesterseges rendszerek IQ-ja?) AJANLOTT: programozo matematikusoknak, matematikusoknak, fizikusoknak, vegyeszeknek. Szukseges: alapfoku linearis algebra es alapfoku valoszinusegszamitasi ismeretek Az eloadassorozat alapjat R.S. Sutton es A.G. Barto "Reinforcement Learning: An Introduction" (Bradford Book, MIT Press, Cambridge 1998) konyve kepezi. A konyv kivonatos valtozata elerheto Sutton honlapjan (http://www-anw.cs.umass.edu/~rich/) Udvozlettel, Lorincz Andras