/ en / Traditional / help

Beats Biblionetz - Texte

Zuckerbrot und Peitsche

Einer selbst gebauten KI per verstärkendem Lernen beibringen Pong zu spielen
Sebastian Stabinger
Erstpublikation in: c't 21/2018 S.166-173
Publikationsdatum:
Erste Seite des Textes (PDF-Thumbnail)
Diese Seite wurde seit 5 Jahren inhaltlich nicht mehr aktualisiert. Unter Umständen ist sie nicht mehr aktuell.

iconZusammenfassungen

Beim Reinforcement-Learning trainiert man eine KI wie einen Hund mit Belohnungen und Bestrafungen. Als Testfeld dafür eignen sich besonders Retrospiele, da sie nur wenigen Regeln folgen und sich die alte Hardware leicht emulieren lässt. Mit Keras, dem OpenAI Gym und wenigen Zeilen Python-Code trainieren Sie ein neuronales Netz, das ziemlich gut Pong spielt.
Von Klappentext im Text Zuckerbrot und Peitsche (2018)

iconDieser Zeitschriftenartikel erwähnt ...


Begriffe
KB IB clear
deep learning, machine learning, Neuronales Netzneural network, reinforcement learning, supervised learning, unsupervised learning

iconTagcloud

iconVolltext dieses Dokuments

Zuckerbrot und Peitsche: Artikel als Volltext (lokal: PDF, 2604 kByte)

iconAnderswo suchen  Auch im Biblionetz finden Sie nicht alles. Aus diesem Grund bietet das Biblionetz bereits ausgefüllte Suchformulare für verschiedene Suchdienste an. Biblionetztreffer werden dabei ausgeschlossen.

iconBeat und dieser Zeitschriftenartikel

Beat hat Dieser Zeitschriftenartikel während seiner Zeit am Institut für Medien und Schule (IMS) ins Biblionetz aufgenommen. Er hat Dieser Zeitschriftenartikel einmalig erfasst und bisher nicht mehr bearbeitet. Beat besitzt kein physisches, aber ein digitales Exemplar. (das er aber aus Urheberrechtsgründen nicht einfach weitergeben darf). Aufgrund der wenigen Einträge im Biblionetz scheint er es nicht wirklich gelesen zu haben. Es gibt bisher auch nur wenige Objekte im Biblionetz, die dieses Werk zitieren.

iconBiblionetz-History Dies ist eine graphische Darstellung, wann wie viele Verweise von und zu diesem Objekt ins Biblionetz eingetragen wurden und wie oft die Seite abgerufen wurde.