Лекция 11 - Обучение с подкреплением (Reinforcement Learning)

[dmitrysysoev]

Большое спасибо за лекцию, очень полезно для старта! 👍

[vkznmqi]

Спасибо за данный курс лекций! На русских просторах, без преувеличений, это лучший разбор нейронных сетей.
Наткнулся на Вас случайно, изучая нейронные сети на Хабре. Теперь планирую так же просмотреть Ваш более новый курс "Deep learning на пальцах".

[zjekamur]

Привет. А каким образом можно было бы пообщаться онлайн и задать вопросы/обсудить пару идей? Возможно даже найти точки по сотрудничеству? ;)

[adbastana]

1:07 Вроде модель R2D2 (авторы Шмитхубер) использует RNN, если не ошибаюсь.

[hdrenzt]

Добрый день! Досмотрел до 30 минуты. Мучает вопрос. Как обновлять веса в сети например при policy gradients? Мы начинаем в s0 и проходим последовательно до конца (финиша или пока итерации не закончились), на каждом новом шаге s(t+1) получаем reward (t+1). Я могу высчитать дисконтируемую сумму за всю сессию и отдельно хранить reward по каждому шагу. Не понимаю, как обучить веса сети после сессии? Очень хочется разобраться...