Stratégies optimistes en apprentissage par renforcement

Stratégies optimistes en apprentissage par renforcement

Cette thèse traite de méthodes « model-based » pour résoudre des problèmes d'apprentissage par renforcement. On considère un agent confronté à une suite de décisions et un environnement dont l'état varie selon les décisions prises par l'agent. Ce dernier reçoit tout au long de l'...

Full description

Bibliographic Details
Main Author: Filippi, Sarah
Language:FRE
Published: Ecole nationale supérieure des telecommunications - ENST 2010
Subjects:
[MATH] Mathematics
[INFO:INFO_MO] Computer Science/Modeling and Simulation
Apprentissage statistique
Apprentissage par renforcement
Processus de Décisions Markovien
Processus de Décision Markovien partiellement observés
Bandit
Analyse du Regret
 Algorithmes model-based optimistes
Divergence de Kullback-Leibler
Applications de l'apprentissage par renforcement en radio cognitive et pour la sélection de publicité sur internet
Online Access:http://tel.archives-ouvertes.fr/tel-00551401
http://tel.archives-ouvertes.fr/docs/00/55/14/01/PDF/manuscrit_these_SarahFilippi_depotlegal.pdf

Internet

http://tel.archives-ouvertes.fr/tel-00551401
http://tel.archives-ouvertes.fr/docs/00/55/14/01/PDF/manuscrit_these_SarahFilippi_depotlegal.pdf

Similar Items