Странице предмета

1) Упознавање са проблемима аутоматског одлучивања и основним структурама система за аутоматско одлучивање и подршку у одлучивању. 2) Проблеми учења са подстицајем (Reinforcement Learning): илустрација примера, области и могућности примене. Начин накоји се учење са подстицајем односи према другим техникама машинског учења (надгледаном и ненадгледаном учењу) 3) Коначни процеси одлучивања: детерминистички и стохастички (Марковљеви) процеси одлучивања. 4) Основни методи егзактног решавања коначних проблема одлучивања: Белманова једначина и основни принципи динамичког програмирања. Шири значај и примена метода динамичког програмирања. 5) Веза са проблемима оптималног управљања. Основни појмови о бесконачним и временски континуалним проблемима одлучивања и управљања. 6) Ограничења егзактних метода и потреба за увођењем апроксимативних техника. Увод у хеуристичке методе. Монте-Карло методе решавања проблема учења са подстицајем. Студије случаја. 7) Основни принципи идентификације параметара (временски дискретних) динамичких система. 8) Основни принципи конструкције рекурзивних естиматора стања, параметара и поремећаја (односно непознатих улаза). Рекурзивни естиматори. Калманови филтри. 9) Учење на основу разлика у времену (Temporal Difference Learning) 10) Примена метода дубоког учења у проблемима учења са подстицајем (Deep Reinforcement Learning). Дубоко Q-учење. Методе критике (actor critic methods). 11) Студије случаја