Nøgleord
reinforcement learning
kunstig intellig
Citation/Eksport
Resumé
Randløv præsenterer en af de mest tilgængelige og samtidig teknisk dybtgående introduktioner til reinforcement learning. Ved at lade en agent lære at balancere på en cykel illustrerer hun, hvordan kunstig intelligens kan udvikle sig uden vejledning – alene via belønning og straf. Artiklen er fagligt robust og formidlingsmæssigt i topklasse.
Referencer
Get persistent links for your reference list or bibliography.
Copy and paste the list, we’ll match with our metadata and return the links.
Members may also deposit reference lists here too.
1. Stuart Russell og Peter Norvig: *Artificial Intelligence: A Modern Approach*, Englewood Cliffs, NJ: Prentice Hall, 1995.
2. Richard S. Sutton: *Learning by the Methods of Temporal Differences*, Machine Learning, Kluwer Academic Publishers, vol. 3, pp. 9-44, 1988.
https://doi.org/10.1023/A:1022633531479
3. Richard S. Sutton og Andrew G. Barto: *Introduction to Reinforcement Learning*, MIT Press/Bradford Books, 1998. (Elektronisk udgave: [http://www-anw.cs.umass.edu/~rich/book/the-book.html](http://www-anw.cs.umass.edu/~rich/book/the-book.html))
4. Gerald Tesauro: *Practical Issues in Temporal Difference Learning*, Machine Learning, vol. 8, pp. 257-277, 1992.
https://doi.org/10.1023/A:1022624705476
5. Gerald Tesauro: *TD-Gammon, A Self-Teaching Backgammon Program Achieves Master-Level Play*, IBM Thomas J. Watson Research Center, Yorktown Heights, NY 10598, 1994. (ftp://archive.cis.ohio-state.edu/pub/neuroprose/tesauro.tdgammon.ps.Z)
Fra og med årgang 37 (2026 -) udgives artikler under licensen Creative Commons Kreditering-IkkeKommerciel CC BY-NC 4.0.
Artikler i årgang 1–36 (1990 - 2025) er ikke udgivet under Creative Commons. Her er alle rettigheder forbeholdt artiklernes respektive forfattere.