JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть III • Продвинутые возможности глубокого обучения с TensorFlow.js
не статический выходной сигнал; модель (
агент
(agent) в терминологии RL) обу­
чается воздействовать на среду так, чтобы максимизировать метрику успешности — 
вознаграждение
(reward). Например, обучение с подкреплением можно использо­
вать, чтобы научить робота обходить внутренние помещения здания и собирать 
мусор. На самом деле среда не обязательно должна быть физической, ею может 
быть любое реальное или виртуальное пространство, в котором агент выполняет 
какие­либо действия. Средой, на которой агента можно обучить играть в шахматы, 
служит шахматная доска; биржа может послужить средой для обучения агента тор­
говле акциями. Универсальность парадигмы обучения с подкреплением позволяет 
применять его к широкому спектру практических задач (рис. 11.1). Кроме того, объ­
единению возможностей глубокого обучения с RL мы обязаны некоторыми наиболее 
впечатляющими достижениями революции глубокого обучения, включая чат­боты, 
играющие в Atari со сверхчеловеческим мастерством, и алгоритмы, способные по­
беждать чемпионов мира в го и шахматы
1
.
Рис. 11.1.
Примеры реальных приложений обучения с подкреплением. 
Слева вверху: Решение 
задач настольных игр, в частности го и шахмат. 
Справа вверху: алгоритмическая торговля 
акциями. 
Слева внизу: автоматизированное управление ресурсами в центрах обработки 
данных. 
Справа внизу: планирование управления и действий в робототехнике. Все изображения 
лицензированы как свободно доступные, скачаны с сайта http://www.pexels.com/
1 
Silver D. et al.
Mastering Chess and Shogi by Self­Play with a General Reinforcement Learning 
Algorithm // submitted 5 Dec. 2017. https://arxiv.org/abs/1712.01815.

---