回到首頁
個人.家庭.數位化 - 數位之牆



產業動態 【資策會】人工智慧深度強化學習 (台北9/5)
資策會 本新聞稿發佈於2019/06/28,由發布之企業承擔內容之立場與責任,與本站無關

本課程的目標在奠定學員學習當代人工智慧關鍵技術的理論基礎。透過學習許多目前具有代表性的深度學習神經網路架構,可累積學員對於各種重要神經網路元件的理解,進而組成許多人工智慧核心系統的設計,達成具有自我學習及解析功能的智慧型產品設計。

 
■ 發布/輪播新聞稿 新聞稿直達14萬電子報訂戶刊登新聞稿:按此 想在你的Blog上輪播產業動態按此
 


◆深度強化學習(Deep Reinforcement Learning)簡介
˙人工智慧環境(Environment)與智慧代理人(Agent)
˙策略與規劃(Policy and Planning)
˙價值函數(Value Function)
˙運作模型(Model)
˙酬勞與懲罰(Reward)
˙最優價值函數(Optimal Value Function)
˙馬可夫決策問題(MDP)

◆圖表化及逼近式 (Tabular and Approximation)解決方案
˙有限馬可夫決策處理(FMDP)
˙動態規劃(Dynamic Programming)
˙蒙地卡羅方法(Monte Carlo Method)
˙時間差分學習(Time-Difference Learning)
˙Q學習(Q-Learning)
˙策略梯度法(Policy Gradient Method)

◆類神經深度強化學習
˙深度Q學習網路(Deep Q-Learning Network)
˙TensorFlow DQN
˙OpenAI Gym
˙Actor Critic
˙Deep Deterministic Policy Gradients(DDPG)
˙Asynchronous Advantage Actor-Critic (A3C)
˙Distributed Proximal Policy Optimization (DPPO)

◆人工智慧深度強化學習個案研究
˙AlphaGo設計理念與方法
˙問答系統強化學習
˙汽車避撞系統模擬
˙自駕車強化學習
˙Q-learning Gridworld Player
˙Atari Ping Pong Player

詳細課程內容請參考以下網址:http://www.iiiedu.org.tw/ites/REF.htm

- 新聞稿有效日期,至2019/07/29為止


聯絡人 :張先生
聯絡電話:(02)6631-6539
電子郵件:alanchang@iii.org.tw

上一篇:【資策會】人工智慧無人機設計與應用 (台北9/4)
下一篇:CEVA推出將物聯網設備連接到阿里雲的 全整合Wi-Fi解決方案

 
搜尋本站


最新科技評論

共享經濟:以人民的名義爭奪流量入口 - 2017/06/18

影音網站的未來(三) PGC孵化IP,直播更接近長尾 - 2016/10/16

影音網站的未來(二)短影音適合往社交和工具發展 - 2016/10/09

影音網站的未來(一)長尾效應與頭部效應無法兼顧 - 2016/10/02

大部分O2O 模式違反網際網路經濟特性 - 2015/02/08

融資是怎麼回事(下)什麼人能拿到投資 - 2015/01/04

融資是怎麼回事(中)讀懂投資人的唇語 - 2014/12/21

融資是怎麼回事(上)融資是迭代的過程 - 2014/12/14

奢品服務業O2O 興起,網際網路創業者的新機會 - 2014/07/20

■ 訂閱每日更新產業動態
RSS
RSS

當月產業動態

Information

 

 

 

 




個人.家庭.數位化 - 數位之牆

欲引用本站圖文,請先取得授權。本站保留一切權利 ©Copyright 2008, DigitalWall.COM. All Rights Reserved.
Question ? Please mail to service@digitalwall.com

歡迎與本站連結!