К содержанию
РецензированоRU2021

Мультиагентное обучение с подкреплением: учебное пособие

Алфимцев · А. Н.

Учебная литература · 2021

Аннотация

Рассмотрены современные и классические алгоритмы одновременного машинного обучения множества агентов, основанные на теории игр, таблич- ных, нейросетевых, эволюционных и роевых технологиях. Представлено последовательное развитие теоретической модели алгоритмов, базирующееся на марковских процессах принятия решений. Реализация алгоритмов выполнена на языке программирования Python с использованием библиотеки глубокого обучения PyTorch. Средой машинного обучения является компьютерная игра StarCraft II с интерфейсом кооперативного мультиагентного обучения SMAC. Для магистрантов и аспирантов направления подготовки «Информатика и вычислительная техника». A53

Доказательный фрагмент

«Рассмотрены современные и классические алгоритмы одновременного машинного обучения множества агентов, основанные на теории игр, таблич- ных, нейросетевых, эволюционных и роевых технологиях.»

Образец извлечения

Демо-превью

Рассмотрены современные и классические алгоритмы одновременного машинного обучения множества агентов, основанные на теории игр, таблич- ных, нейросетевых, эволюционных и роевых технологиях. Полный текст публикации CiteX не хранит — доступ к первоисточнику открывается по DOI согласно лицензии издателя и выбранному плану.

DOI не указан
Цитирований
0
Тип
Журнал
Страна
Узбекистан
Спросить CiteX об этой работе

Смежные источники

[2]ТехникаENРецензированоОткрытый доступ
RESEARCH RESULTS CLEANING GRAIN HARVEST COMBINE HARVESTER

ЖУРНАЛ ТЕХНИЧЕСКИХ ИССЛЕДОВАНИЙЭлмурод Сотволдиевич Умаров, Зиёдбек Шавкатович Халилов +12021

6