next up previous contents
Nächste Seite: Mehrdimensionale adaptive Kritiker & Aufwärts: Abschließende Bemerkungen Vorherige Seite: Sichtweise: Ziele nach Programmen   Inhalt

Kritik und Ausblick

Obwohl A2 einen allgemeinen Performanzgradienten approximiert und zielgerichtet ausnützt (und mehr kann, als ich mir zu Beginn meiner Arbeit hätte träumen lassen), gibt es immer noch Grund zur Unzufriedenheit. A2 ist nicht lokal im Raum: Mit steigender Netzwerkgröße wächst der Berechnungsaufwand pro Zeitschritt viel schneller als die Anzahl der Verbindungen. Weiterhin ist A2 nicht kompositionell und nicht selektiv in seiner Modellbildung. Die nächsten Kapitel liefern daher weitere Beiträge zur Lösung dieser Probleme.



Juergen Schmidhuber 2003-02-20


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