강화 학습 알고리즘이 이제 바둑, Dota 2, 스타크래프트 2에서 프로 게이머들을 이기고 있다는 뉴스가 최근에 관심을 끌고 있습니다. 강화 학습은 비디오 게임에서 로보틱스, 자율주행 자동차 등에 이르는 복잡한 응용 사례에서 인공 지능을 활용하도록 해주는 일종의 머신러닝입니다.
여러분의 프로젝트에 강화 학습 기술을 이용하고 싶지만 예전에 사용해본 적이 없다면 어디서부터 시작해야 할까요?
이 eBook은 여러분이 MATLAB® 및 Simulink®에서 강화 학습을 시작할 수 있도록 용어를 설명하고 예제, 튜토리얼, 평가판에 대한 액세스를 제공합니다.
이 eBook에서는 다음과 같은 사항을 배울 수 있습니다.
섹션 1: 기초 이해 및 환경 설정
강화 학습의 기초를 학습하고 종래의 제어 설계와 비교해 볼 수 있습니다. 지도 학습, 비지도 학습 및 강화 학습의 차이를 살펴보고, MATLAB 및 Simulink에서 학습 환경을 설정하는 방법을 알아볼 수 있습니다.
섹션 2: 보상 및 정책 구조의 이해
강화 학습에서의 탐색과 활용 및 보상 함수를 설계하는 방법을 알아볼 수 있습니다. 신경망을 비롯한 정책을 표현하는 다양한 방법, 그리고 이를 함수 근사기로 사용하는 방법을 살펴볼 수 있습니다.
섹션 3: 훈련 및 배포의 이해
정책 기반, 가치 기반, 액터-크리틱 방법 등 다양한 유형의 훈련 알고리즘에 대해 알아볼 수 있습니다. 널리 쓰이는 벨만 방정식을 비롯한 각 훈련 방법의 장단점을 자세히 알아볼 수 있습니다. 마지막으로 훈련된 정책을 배포하기 전에 고려해야 할 점과 이 기법에 관련된 전반적인 과제와 단점을 알아볼 것입니다.
