Hallo HaWe,
an Reinforcement Learning bin ich auch gerade sehr interessiert. Nach einer kurzen Trainingsphase hat man je nach Größe des möglichen Zustandsraumes einen Roboter der seine Lösungen selbst findet.
In diesem Beitrag bin ich z.B. gerade an diesem Thema dran:
https://www.roboternetz.de/community...k-M%C3%B6glich
Werde aber auch noch einen längeren Blog-Artikel darüber schreiben, wenn ich weitere gute Lösungen gefunden habe. Die ganze Berechnung passiert auch direkt auf dem Kontroller. Die Kabel sind nur Spannungsversorgung und Debugausgabe.
Ich habe das Gefühl, dass du in deinem Beitrag die Fehlerminimierung / den Gradientabstieg mit der Lernparadigmen in einen Topf wirfst?!
Für Reinforcement Learning ist wohl das Q-Learning der bekanntest Vertreter. Das Lernen lässt sich aber gar nicht bis sehr schwer in einer allgemeinen Lib abbilden. Das muss man schon jedes mal für sein Problem neu schreiben.
Wenn deine lib fertig ist, dann müsste es funktionieren mein Hello World Blinky - Q-Learning Beispiel, statt mit FANN mit deiner lib abzubilden... Da deine lib automatisch Rückkoppeln kann, brauchst du wahrscheinlich nur 4 Eingänge. Wäre ein interessanter Versuch:
https://github.com/Counterfeiter/ANN...ster/Src/ann.c
Achso, vielleicht das Video noch dazu, das zugegeben sehr langweilig sein kann... jedenfalls für Leute die noch keinen Einblick in Komplexität der internen Abläufe hatten.
VG
Basti
Zitieren
Lesezeichen