Experimente zum R-Lernen in Nicht-Markov-Umgebungen

Im Gegensatz zu allen anderen bisher implementierten modell-bildenden R-Lernalgorithmen besitzt A2 ein theoretisches Potential für das Lernen in Nicht-Markov-Umgebungen. Läßt sich dieses Potential in der Praxis verwirklichen, insbesondere wenn das mathematisch exakte Verfahren zugunsten der on-line-Methode aufgeweicht wird?

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