Schlüsselwort: Deep Reinforcement Learning

Reinforcement Learning

Reinforcement Learning von Lorenz, Uwe
In uralten Spielen wie Schach oder Go können sich die brillantesten Spieler verbessern, indem sie die von einer Maschine produzierten Strategien studieren. Robotische Systeme üben ihre Bewegungen selbst. In Arcade Games erreichen lernfähige Agenten innerhalb weniger Stunden übermenschliches Niveau. Wie funktionieren diese spektakulären Algorithmen des bestärkenden Lernens? Mit gut verständlichen Erklärungen und übersichtlichen Beispielen in Java und Greenfoot können Sie sich die Prinzipien des bestärkenden Lernens aneignen und in eigenen intelligenten Agenten anwenden. Greenfoot (M.Kölling, King’s College London) und das Hamster-Modell (D.Bohles, Universität Oldenburg) sind einfache aber auch mächtige didaktische Werkzeuge, die entwickelt wurden, um Grundkonzepte der Programmierung zu vermitteln. Wir werden Figuren wie den Java-Hamster zu lernfähigen Agenten machen, die eigenständig ihre Umgebung erkunden.
Aktualisiert: 2023-05-11
Autor:
> findR *
> Buchhandlung findr > Verlag findr > Für Buchhändler

Entwicklung und Bewertung einer Reihenfolgestrategie zur Leistungsverbesserung von Shuttle-Systemen mit Deep Reinforcement Learning

Entwicklung und Bewertung einer Reihenfolgestrategie zur Leistungsverbesserung von Shuttle-Systemen mit Deep Reinforcement Learning von Schloz, Franziska
Um die Leistung von Shuttle-Systemen zu verbessern, existieren verschiedene Ansätze. In dieser Arbeit wird der Einsatz des Deep Reinforcement Learning (DRL) zur Bildung der Fahrauftragsreihenfolge untersucht. Die Zielsetzung ist der Erhalt des konzeptionellen Beweises, dass durch den Einsatz eines DRL-Agenten, der auf die Minimierung der Gesamtauftragsdurchlaufzeit trainiert wird, eine Leistungsverbesserung erreicht werden kann. Hierfür wird zunächst anhand einer qualitativen Inhaltsanalyse die Forschungslücke in diesem Bereich aufgezeigt sowie dargelegt, dass das DRL, basierend auf der unterliegenden Theorie, für den Anwendungsfall geeignet ist. Als Trainings- und Testumgebung wird ein Simulationsmodell einer Ebene eines ebenengebundenen Systems erstellt, das hinsichtlich der Anzahl an Gassen, der Gassenlänge und der Anzahl an Shuttles konfiguriert werden kann. Auf Seiten des DRL wird der Deep Q Learning Agent, basierend auf der Keras-RL Bibliothek, genutzt. Es erfolgen die Entwicklung des Zustands- und des Aktionsraumes sowie der Belohnungsfunktion. Um den Agenten zu testen und die Durchführbarkeit aufzuzeigen, werden 20 Testszenarien basierend auf drei verschiedenen Lagerkonfigurationen mit zwei und drei Fahrzeugen definiert. Insgesamt wird in 17 der 20 Szenarien ein erfolgreiches Lernen des Agenten und damit eine Leistungssteigerung des Systems erzielt.
Aktualisiert: 2023-01-26
Autor:
> findR *
> Buchhandlung findr > Verlag findr > Für Buchhändler

Simulation in Produktion und Logistik 2021

Simulation in Produktion und Logistik 2021 von Franke, Jörg, Schuderer, Peter
Die Simulation spielt in der Produktentstehung eine stetig wachsende Bedeutung. Aktuelle Technologien wie der Digitale Zwilling und der Digitale Schatten, Augmented und Mixed Reality, Künstliche Intelligenz und synthetische Lernumgebungen, wissensbasierte Konfiguratoren und webbasierte Simulationssysteme sowie die Erweiterung der Verhaltensmodellierung auf alle physikalischen Domänen sind spannende Themen, die auf der ASIM-Fachtagung Simulation in Produktion und Logistik 2021 präsentiert und diskutiert werden. Die ASIM präsentiert die größte europäische Fachtagung zur Simulation in Produktion und Logistik nur alle zwei Jahre. Wissenschaftliche Forschungsbeiträge und interessante Anwendungsberichte aus der Industrie zeigen aktuelle Entwicklungen und zukunftsweisende Trends zu simulationsgestützten Ansätzen zur Optimierung der Markteinführungszeiten, der operativen Exzellenz und der Ressourceneffizienz. Diskutiert werden technische Möglichkeiten und organisatorische Voraussetzungen zur Nutzung digitaler Modelle in der Planung und im Betrieb von manuellen, automatisierten und hybriden Fertigungs- und Logistikprozessen. Der vorliegende Tagungsband umfasst die Beiträge der 19. ASIM Fachtagung „Simulation in Produktion und Logistik“ (SPL 2021), die aufgrund der Corona-Pandemie als digitale Tagung durchgeführt wird. Kernthemen der Konferenz bilden neue und weiterentwickelte Simulationswerkzeuge und deren fortschrittliche Nutzung zur Vorhersage und zur Rückverfolgbarkeit des Verhaltens sowie zur Verbesserung der Leistungsfähigkeit von Maschinen, Anlagen und komplexen Systemen. Zunehmende Schwerpunkte sind die tragende Rolle der Modellierung und Simulation für die Digitalisierung sowie der Einsatz von datenbasierten Methoden, der Künstlichen Intelligenz und des Maschinellen Lernens.
Aktualisiert: 2023-01-01
Autor: ,
> findR *
> Buchhandlung findr > Verlag findr > Für Buchhändler

Reinforcement Learning

Reinforcement Learning von Lorenz, Uwe
In uralten Spielen wie Schach oder Go können sich die brillantesten Spieler verbessern, indem sie die von einer Maschine produzierten Strategien studieren. Robotische Systeme üben ihre Bewegungen selbst. In Arcade Games erreichen lernfähige Agenten innerhalb weniger Stunden übermenschliches Niveau. Wie funktionieren diese spektakulären Algorithmen des bestärkenden Lernens? Mit gut verständlichen Erklärungen und übersichtlichen Beispielen in Java und Greenfoot können Sie sich die Prinzipien des bestärkenden Lernens aneignen und in eigenen intelligenten Agenten anwenden. Greenfoot (M.Kölling, King’s College London) und das Hamster-Modell (D.Bohles, Universität Oldenburg) sind einfache aber auch mächtige didaktische Werkzeuge, die entwickelt wurden, um Grundkonzepte der Programmierung zu vermitteln. Wir werden Figuren wie den Java-Hamster zu lernfähigen Agenten machen, die eigenständig ihre Umgebung erkunden.
Aktualisiert: 2023-04-01
Autor:
> findR *
> Buchhandlung findr > Verlag findr > Für Buchhändler

Reinforcement Learning

Reinforcement Learning von Lorenz, Uwe
In uralten Spielen wie Schach oder Go können sich die brillantesten Spieler verbessern, indem sie die von einer Maschine produzierten Strategien studieren. Robotische Systeme üben ihre Bewegungen selbst. In Arcade Games erreichen lernfähige Agenten innerhalb weniger Stunden übermenschliches Niveau. Wie funktionieren diese spektakulären Algorithmen des bestärkenden Lernens? Mit gut verständlichen Erklärungen und übersichtlichen Beispielen in Java und Greenfoot können Sie sich die Prinzipien des bestärkenden Lernens aneignen und in eigenen intelligenten Agenten anwenden. Greenfoot (M.Kölling, King’s College London) und das Hamster-Modell (D.Bohles, Universität Oldenburg) sind einfache aber auch mächtige didaktische Werkzeuge, die entwickelt wurden, um Grundkonzepte der Programmierung zu vermitteln. Wir werden Figuren wie den Java-Hamster zu lernfähigen Agenten machen, die eigenständig ihre Umgebung erkunden.
Aktualisiert: 2023-04-11
Autor:
> findR *
> Buchhandlung findr > Verlag findr > Für Buchhändler

Deep Reinforcement Learning zur Betriebsoptimierung hybrider industrieller Energienetze

Deep Reinforcement Learning zur Betriebsoptimierung hybrider industrieller Energienetze von Panten, Niklas
Gesetzliche Vorgaben, das wachsende Umweltbewusstsein von Konsumenten und steigende Energiepreise drängen Unternehmen zu mehr Nachhaltigkeit in der Produktion. Für die Versorgung von Produktionsanlagen und die Temperierung der Produktionsstätten werden in der Industrie durch interagierende Wandler, Speicher und Netze unterschiedliche Energiedienstleistungen bereitgestellt. Eine Vielzahl stochastischer Störgrößen haben dabei Einfluss auf den Wirkungsgrad und die spezifischen Betriebskosten. Aufgrund der Komplexität führen weit verbreitete konventionelle Regelansätze oft zu suboptimalem Betriebsverhalten. In der vorliegenden Arbeit wird mit einem Deep Reinforcement Learning Ansatz ein Verfahren der Künstlichen Intelligenz untersucht, um durch Interaktion eines intelligenten Agenten mit verschiedenen Energiesystemen eine nach multiplen Zielgrößen optimierte Betriebsstrategie zu erlernen. Dafür wird ein flexibles, kaskadiertes Optimierungskonzept erarbeitet, welches eine risikoarme Implementierung und Erprobung von datengestützt erlernten Betriebsstrategien ermöglicht. Um synthetische Daten für das Training zu generieren und das Verfahren zu evaluieren, wird eine umfangreiche Simulationsbibliothek zur Erstellung digitaler Zwillinge von Energiesystemen entwickelt und durch eine effiziente Schnittstelle an die lernenden Algorithmen angebunden. Unter bestehenden DRL-Varianten werden wesentliche Merkmale herausgearbeitet, ein leistungsstarker Algorithmus selektiert und implementiert. Nach Parametrierung des Verfahrens kann durch Simulationsstudien die Vorteilhaftigkeit durch Reduktion von Energiekosten und Lastspitzen gezeigt werden. Zeitgleich werden die Grenzen des Ansatzes aufgezeigt, Schwachstellen kritisch diskutiert und weiterer Forschungsbedarf identifiziert.
Aktualisiert: 2020-07-01
Autor:
> findR *
> Buchhandlung findr > Verlag findr > Für Buchhändler
MEHR ANZEIGEN

Bücher zum Thema Deep Reinforcement Learning

Sie suchen ein Buch über Deep Reinforcement Learning? Bei Buch findr finden Sie eine große Auswahl Bücher zum Thema Deep Reinforcement Learning. Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr hat zahlreiche Bücher zum Thema Deep Reinforcement Learning im Sortiment. Nehmen Sie sich Zeit zum Stöbern und finden Sie das passende Buch für Ihr Lesevergnügen. Stöbern Sie durch unser Angebot und finden Sie aus unserer großen Auswahl das Buch, das Ihnen zusagt. Bei Buch findr finden Sie Romane, Ratgeber, wissenschaftliche und populärwissenschaftliche Bücher uvm. Bestellen Sie Ihr Buch zum Thema Deep Reinforcement Learning einfach online und lassen Sie es sich bequem nach Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch.

Deep Reinforcement Learning - Große Auswahl Bücher bei Buch findr

Bei uns finden Sie Bücher beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher zum Thema Deep Reinforcement Learning, die Ihre Fantasie anregen und Bücher, die Sie weiterbilden und Ihnen wissenschaftliche Fakten vermitteln. Ganz nach Ihrem Geschmack ist das passende Buch für Sie dabei. Finden Sie eine große Auswahl Bücher verschiedenster Genres, Verlage, Autoren bei Buchfindr:

Sie haben viele Möglichkeiten bei Buch findr die passenden Bücher für Ihr Lesevergnügen zu entdecken. Nutzen Sie unsere Suchfunktionen, um zu stöbern und für Sie interessante Bücher in den unterschiedlichen Genres und Kategorien zu finden. Unter Deep Reinforcement Learning und weitere Themen und Kategorien finden Sie schnell und einfach eine Auflistung thematisch passender Bücher. Probieren Sie es aus, legen Sie jetzt los! Ihrem Lesevergnügen steht nichts im Wege. Nutzen Sie die Vorteile Ihre Bücher online zu kaufen und bekommen Sie die bestellten Bücher schnell und bequem zugestellt. Nehmen Sie sich die Zeit, online die Bücher Ihrer Wahl anzulesen, Buchempfehlungen und Rezensionen zu studieren, Informationen zu Autoren zu lesen. Viel Spaß beim Lesen wünscht Ihnen das Team von Buchfindr.