Ein Netz für mehrere Ziele

Indem man eine für die Dauer einer Trajektorie zeitinvariante zusätzliche statische Eingabe für $C$ einführt, können für ein und dasselbe Netzwerk während aufeinanderfolgender Versuche verschiedene Zieldetails definiert werden. Zu diesem Zweck muß die Anzahl der Eingabeknoten von $C$ verdoppelt werden. $M$ ändert sich nicht, es sagt nach wie vor lediglich die zeitlich variierenden Eingaben von $C$ voraus.

Solch ein erweitertes System ist fähig zu lernen, denjenigen Teil der Szene zu finden, der mit der zeitinvarianten Eingabe übereinstimmt (siehe Abbildung 7.3). Diese Möglichkeit ist bedeutsam für die später anzusprechenden Subzielgeneratoren.

Related links in English: Recurrent neural networks - Subgoal learning - Reinforcement learning and POMDPs - Reinforcement learning economies - Selective attention
Deutsche Heimseite