RL 4: Метод выборки Томпсона — Многорукие бандиты скачать в хорошем качестве

RL 4: Метод выборки Томпсона — Многорукие бандиты

Метод выборки Томпсона — Многорукие бандиты — В этом уроке мы обсудим еще один интересный алгоритм, называемый методом выборки Томпсона, для решения задачи о многоруком бандите. В отличие от UCB, это вероятностный подход, основанный на выборке, и он оказался лучше, чем UCB. Если вы не смотрели предыдущие видео о многоруких бандитах, я настоятельно рекомендую посмотреть их перед просмотром этого видео, чтобы понять всю суть. Серия обучающих материалов по обучению с подкреплением: 1. Многорукие бандиты:    • RL 1: Multi-armed Bandits 1   2. Многорукие бандиты — оценка ценности действий:    • RL 2: Multi-Armed Bandits 2 - Action value...   3. Верхняя граница доверия:    • RL 3: Upper confidence bound (UCB) to solv...   4. Выборка Томпсона:    • RL 4: Thompson Sampling - Multi-armed bandits   5. Марковский процесс принятия решений — MDP:    • RL 5: Markov Decision Process - MDP | Rein...   6. Итерация политики и итерация ценности:    • RL 6: Policy iteration and value iteration...