Séance de cours

Q-Learning profond: DeepRL1.1

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

CS-456: Deep reinforcement learning

This course provides an overview and introduces modern methods for reinforcement learning (RL.) The course starts with the fundamentals of RL, such as Q-learning, and delves into commonly used approaches, like PPO and DQN. The course will introduce student ...

Description

Cette séance de cours couvre Deep Q-learning, une implémentation simple de Q-learning dans les réseaux neuronaux profonds. Les sujets abordés incluent l'application de l'apprentissage Q profond dans des jeux comme Chess and Go, la rétropropagation pour l'apprentissage Q profond, l'examen des valeurs Q et V, les conditions de cohérence de l'équation de Bellman et la fonction semi-gradient sur erreur. La séance de cours se termine par un résumé de Deep Q-learning et des lectures recommandées.

Enseignant·e·s (2)

Wulfram Gerstner

Wulfram Gerstner is Director of the Laboratory of Computational Neuroscience LCN at the EPFL. His research in computational neuroscience concentrates on models of spiking neurons and spike-timing dependent plasticity, on the problem of neuronal coding in single neurons and populations, as well as on the link between biologically plausible learning rules and behavioral manifestations of learning. He teaches courses for Physicists, Computer Scientists, Mathematicians, and Life Scientists at the EPFL. After studies of Physics in Tübingen and at the Ludwig-Maximilians-University Munich (Master 1989), Wulfram Gerstner spent a year as a visiting researcher in Berkeley. He received his PhD in theoretical physics from the Technical University Munich in 1993 with a thesis on associative memory and dynamics in networks of spiking neurons. After short postdoctoral stays at Brandeis University and the Technical University of Munich, he joined the EPFL in 1996 as assistant professor. Promoted to Associate Professor with tenure in February 2001, he is since August 2006 a full professor with double appointment in the School of Computer and Communication Sciences and the School of Life Sciences. Wulfram Gerstner has been invited speaker at numerous international conferences and workshops. He has served on the editorial board of the Journal of Neuroscience, Network: Computation in Neural Systems', Journal of Computational Neuroscience', and `Science'.

Caglar Gulcehre

Enseignement et PhD Doctorant·es actuel·les Tim Ruben Davidson, Skander Moalla, Anja Surina, Xiuying Wei, Liangze Jiang, Mikhail Terekhov, Amin Mansouri, Justin Samuel Deschenaux, Yitao Xu Cours Training Large Language Models EE-628

Source officielle

Concepts associés (32)

Échecs

vignette|Anand - Kramnik, championnat du monde en 2008. vignette|Une partie simultanée donnée par le GM ukrainien Andrij Maksimenko à Toruń, Pologne. vignette|Enluminure, Liber de Moribus, vers 1300. vignette|Joueurs sur un échiquier géant à Lugano, Suisse. alt=Propriété exclusive de Thelma Ackermann. |vignette|Famille de la noblesse française jouant aux échecs dans les années 1860, carte de visite.

Chess.com

Chess.com est un serveur internet d'échecs, créé dans sa version actuelle en mai 2007. Il s'agit également d'un forum internet et d'un réseau social consacré aux échecs ainsi que d'une application mobile. En 2021, le site figure parmi les principaux serveurs d'échecs. En 2023, le site est considéré comme le serveur d'échecs le plus important du monde en termes de trafic. Il organise régulièrement des tournois de parties rapides et de blitz auxquels participent les meilleurs joueurs du monde. Chess.

Réseau de neurones artificiels

Un réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.

Rétropropagation du gradient

En intelligence artificielle, plus précisément en apprentissage automatique, la rétropropagation du gradient est une méthode pour entraîner un réseau de neurones. Elle consiste à mettre à jour les poids de chaque neurone de la dernière couche vers la première. Elle vise à corriger les erreurs selon l'importance de la contribution de chaque élément à celles-ci. Dans le cas des réseaux de neurones, les poids synaptiques qui contribuent plus à une erreur seront modifiés de manière plus importante que les poids qui provoquent une erreur marginale.

Variante du jeu d'échecs

Une variante du jeu d’échecs est un jeu dérivé ou voisin du jeu d'échecs traditionnel, dont il diffère en apportant de nouveaux éléments (pièces, règles, taille/forme de l’échiquier). Toutes les variantes d’échecs, et ceci inclut le jeu d’échecs classique lui-même, sont des variantes d’une certaine forme de jeu. Certaines catégories, sont des variantes historiques (Chaturanga, Shatranj) ou des variantes régionales (Makrouk, Sittuyin, Janggi).

Afficher plus

Séances de cours associées (64)

Le paysage d'optimisation de Convex caché des réseaux neuronaux profonds

Explore le paysage d'optimisation convexe caché des réseaux neuronaux profonds, montrant la transition des modèles non convexes aux modèles convexes.

Premiers pas vers l’apprentissage par renforcement profond

Explore le passage à l'apprentissage par renforcement profond à travers les réseaux neuronaux pour l'apprentissage direct des politiques, en contournant les valeurs Q et V.

Physique statistique dans l'apprentissage automatique: Comprendre l'apprentissage profond

Explore l'application de la physique statistique à la compréhension de l'apprentissage profond en mettant l'accent sur les réseaux neuronaux et les défis de l'apprentissage automatique.

Introduction générale aux réseaux de neurones artificiels: partie 3

Couvre l'apprentissage par des récompenses dans l'apprentissage par renforcement profond sans détails mathématiques.

Réseaux de neurones : multicouches

Explique le processus d'apprentissage dans les réseaux neuronaux multicouches, y compris la rétropropagation, les fonctions d'activation, la mise à jour des poids et la rétropropagation des erreurs.

Afficher plus

Concepts associés (32)

Échecs

Chess.com

Réseau de neurones artificiels

Rétropropagation du gradient

Variante du jeu d'échecs

Afficher plus