Apprendimento bayesiano per rinforzo: Un'indagine

Titolo originale:

Bayesian Reinforcement Learning: A Survey

Contenuto del libro:

I metodi bayesiani per l'apprendimento automatico sono stati ampiamente studiati e hanno dato origine a metodi di principio per incorporare informazioni preliminari negli algoritmi di inferenza. Questa monografia offre al lettore una rassegna approfondita del ruolo dei metodi bayesiani nel paradigma dell'apprendimento per rinforzo (RL).

I principali incentivi per l'incorporazione del ragionamento bayesiano nell'RL sono che fornisce un approccio elegante alla selezione delle azioni (esplorazione/sfruttamento) in funzione dell'incertezza nell'apprendimento e fornisce un meccanismo per incorporare la conoscenza preventiva negli algoritmi. Bayesian Reinforcement Learning: A Survey discute innanzitutto i modelli e i metodi per l'inferenza bayesiana nel semplice modello Bandit a passo singolo. In seguito, viene passata in rassegna l'ampia letteratura recente sui metodi bayesiani per l'RL basato su modelli, in cui le informazioni preliminari possono essere espresse sui parametri del modello di Markov.

Presenta inoltre i metodi bayesiani per la RL senza modello, in cui i priori sono espressi sulla funzione valore o sulla classe di politiche. Bayesian Reinforcement Learning: A Survey è un riferimento completo per studenti e ricercatori interessati agli algoritmi di RL bayesiano e alle loro proprietà teoriche ed empiriche.