Diskussion zum Artikel "Neuronale Netze leicht gemacht (Teil 26): Reinforcement-Learning"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Neuronale Netze leicht gemacht (Teil 26): Reinforcement-Learning :
Wir untersuchen weiterhin Methoden des Reinforcement-Learnings. Mit diesem Artikel beginnen wir ein weiteres großes Thema, das Reinforcement-Learning. Dieser Ansatz ermöglicht es den Modellen, bestimmte Strategien zur Lösung der Probleme zu entwickeln. Es ist zu erwarten, dass diese Eigenschaft des Reinforcement-Learnings (Lernen durch Verstärkung) neue Horizonte für die Entwicklung von Handelsstrategien eröffnen wird.
In ähnlicher Weise erzeugt die Umwelt ihren Zustand (State), der vom Agenten bewertet wird.
Der Agent führt eine Aktion gemäß seiner Politik (Strategie) aus, ähnlich wie wir in Übereinstimmung mit unserer Weltsicht handeln.
Die Auswirkungen führen dazu, dass sich die Umwelt mit einer gewissen Wahrscheinlichkeit verändert. Für jede Aktion erhält der Agent von der Umwelt Belohnungen. Die Belohnungen können positiv oder negativ sein. Anhand der Belohnungen kann der Agent die Nützlichkeit der durchgeführten Aktionen bewerten.
Autor: Dmitriy Gizlyk