Markov Decision Processes in Artificial Intelligence (eBook, PDF)
 |
| Dein klimafreundliches eBook steht für dich als PDF Format nach dem Kaufprozess per Download bereit. |
Preface xvii
List of Authors xix
PART 1. MDPS: MODELS AND METHODS 1
Chapter 1. Markov Decision Processes 3
Frédérick GARCIA and Emmanuel RACHELSON
1.1. Introduction 3
1.2. Markov decision problems 4
1.3. Value functions 9
1.4. Markov policies 12
1.5. Characterization of optimal policies 14
1.6. Optimization algorithms for MDPs 28
1.7. Conclusion and outlook 37
1.8. Bibliography 37
Chapter 2. Reinforcement Learning 39
Olivier SIGAUD and Frédérick GARCIA
2.1. Introduction 39
2.2. Reinforcement learning: a global view 40
2.3. Monte Carlo methods 45
2.4. From Monte Carlo to temporal difference methods 45
2.5. Temporal difference methods 46
2.6. Model-based methods: learning a model 59
2.7. Conclusion 63
2.8. Bibliography 63
Chapter 3. Approximate Dynamic Programming 67
Rémi MUNOS
3.1. Introduction 68
3.2. Approximate value iteration (AVI) 70
3.3. Approximate policy iteration (API) 77
3.4. Direct minimization of the Bellman residual 87
3.5. Towards an analysis of dynamic programming in Lp-norm 88
3.6. Conclusions 93
3.7. Bibliography 93
Chapter 4. Factored Markov Decision Processes 99
Thomas DEGRIS and Olivier SIGAUD
4.1. Introduction 99
4.2. Modeling a problem with an FMDP 100
4.3. Planning with FMDPs 108
4.4. Perspectives and conclusion 122
4.5. Bibliography 123
Chapter 5. Policy-Gradient Algorithms 127
Olivier BUFFET
5.1. Reminder about the notion of gradient 128
5.2. Optimizing a parameterized policy with a gradient algorithm 130
5.3. Actor-critic methods 143
5.4. Complements 147
5.5. Conclusion 150
5.6. Bibliography 150
Chapter 6. Online Resolution Techniques 153
Laurent PÉRET and Frédérick GARCIA
6.1. Introduction 153
6.2. Online algorithms for solving an MDP 155
6.3. Controlling the search 167
6.4. Conclusion 180
6.5. Bibliography 180
PART 2. BEYOND MDPS 185
Chapter 7. Partially Observable Markov Decision Processes 187
Alain DUTECH and Bruno SCHERRER
7.1. Formal definitions for POMDPs 188
7.2. Non-Markovian problems: incomplete information 196
7.3. Computation of an exact policy on information states 202
7.4. Exact value iteration algorithms 207
7.5. Policy iteration algorithms 222
7.6. Conclusion and perspectives 223
7.7. Bibliography 225
Chapter 8. Stochastic Games 229
Andriy BURKOV, Laëtitia MATIGNON and Brahim CHAIB-DRAA
8.1. Introduction 229
8.2. Background on game theory 230
8.3. Stochastic games 245
8.4. Conclusion and outlook 269
8.5. Bibliography 270
Chapter 9. DEC-MDP/POMDP 277
Aurélie BEYNIER, François CHARPILLET, Daniel SZER and Abdel-Illah MOUADDIB
9.1. Introduction 277
9.2. Preliminaries 278
9.3. Multi agent Markov decision processes 279
9.4. Decentralized control and local observability 280
9.5. Sub-classes of DEC-POMDPs 285
9.6. Algorithms for solving DEC-POMDPs 295
9.7. Applicative scenario: multirobot exploration 310
9.8. Conclusion and outlook . . . 312
9.9. Bibliography 313
Chapter 10. Non-Standard Criteria 319
Matthieu BOUSSARD, Maroua BOUZID, Abdel-Illah MOUADDIB, Régis SABBADIN and Paul WENG
10.1. Introduction 319
10.2. Multicriteria approaches 320
10.3. Robustness in MDPs 327
10.4. Possibilistic MDPs 329
10.5. Algebraic MDPs 342
10.6. Conclusion 354
10.7. Bibliography 355
PART 3. APPLICATIONS 361
Chapter 11. Online Learning for Micro-Object Manipulation 363
Guillaume LAURENT
11.1. Introduction 363
11.2. Manipulation device 364
11.3. Choice of the reinforcement learning algorithm 367
11.4. Experimental results 370
11.5. Conclusion 373
11.6. Bibliography 373
Chapter 12. Conservation of Biodiversity 375
Iadine CHADÈS
12.1. Introduction 375
12.2. When to protect, survey or surrender cryptic endangered species 376
12.3. Can sea otters and abalone co-exist? 381
12.4. Other applications in conservation biology and discussions 391
12.5. Bibliography 392
Chapter 13. Autonomous Helicopter Searching for a Landing Area in an Uncertain Environment 395
Patrick FABIANI and Florent TEICHTEIL-KÖNIGSBUCH
13.1. Introduction 395
13.2. Exploration scenario 397
13.3. Embedded control and decision architecture 401
13.4. Incremental stochastic dynamic programming 404
13.5. Flight tests and return on experience 407
13.6. Conclusion 410
13.7. Bibliography 410
Chapter 14. Resource Consumption Control for an Autonomous Robot 413
Simon LE GLOANNEC and Abdel-Illah MOUADDIB
14.1. The rovers mission 414
14.2. Progressive processing formalism 415
14.3. MDP/PRU model 416
14.4. Policy calculation 418
14.5. How to model a real mission 419
14.6. Extensions 422
14.7. Conclusion 423
14.8. Bibliography 423
Chapter 15. Operations Planning 425
Sylvie THIÉBAUX and Olivier BUFFET
15.1. Operations planning 425
15.2. MDP value function approaches 433
15.3. Reinforcement learning: FPG 442
15.4. Experiments 446
15.5. Conclusion and outlook 448
15.6. Bibliography 450
Index 453
PDF Typ:
Standard-PDF: Das ist der am häufigsten verwendete eBook PDF-Typ. Ein Standard-PDF ist ein einfaches PDF-Dokument, das auf jedem Gerät geöffnet werden kann, das eine PDF-Reader-Software installiert hat.
Interaktive PDF: Ein interaktives PDF enthält zusätzliche Funktionen wie Links, Formulare, Audio- und Video-Dateien, interaktive Schaltflächen und andere interaktive Elemente. Interaktive PDFs sind besonders nützlich für eBook Lehrbücher, Anleitungen und technische Dokumentationen.
Reflowable PDF: Reflowable PDFs passen sich automatisch an die Bildschirmgröße des Geräts an, auf dem sie geöffnet werden. Das bedeutet, dass der Text und das Layout der Seite so angepasst werden, dass sie auf dem Bildschirm des Geräts leicht lesbar sind. Reflowable PDFs sind ideal für eBooks, die auf verschiedenen Geräten gelesen werden sollen, wie zum Beispiel Tablets oder Smartphones.
Fixed Layout PDF: Ein fixed-layout PDF ist eine PDF-Datei, die ein bestimmtes Seitenlayout beibehält. Das bedeutet, dass das Layout auf jedem Gerät gleich bleibt und nicht automatisch angepasst wird. Fixed-layout PDFs sind ideal für eBooks, die viele Bilder oder Grafiken enthalten, wie zum Beispiel Bildbände oder Kochbücher.
Enhanced PDF: Ein Enhanced PDF ist eine Kombination aus interaktiven und reflowable PDFs. Es enthält interaktive Funktionen wie Links, Formulare und multimediale Elemente, passt sich aber auch an die Bildschirmgröße des Geräts an. Enhanced PDFs sind ideal für eBooks, die sowohl Text als auch multimediale Elemente enthalten.
Schlagwörter zu:
Markov Decision Processes in Artificial Intelligence von Olivier Sigaud mit der ISBN: 9781118619872
Applied Mathematics in Science; Electrical & Electronics Engineering; Elektrotechnik u. Elektronik; Entscheidungsfindung; Intelligent Systems & Agents; Intelligente Systeme u. Agenten; Künstliche Intelligenz; Markowscher Prozess; Mathematics; Mathematik; Mathematik in den Naturwissenschaften; Probability & Mathematical Statistics; Statistics; Statistik; Wahrscheinlichkeitsrechnung u. mathematische Statistik, eBooks-Center
For legal reasons, the eBook download can only be delivered in countries with a billing address as follow
Der eBook-Download kann aus rechtlichen Gründen nur in Ländern mit den folgenden Rechnungsadressen ausgeliefert werden:
BG BE AT EE DK CZ CH DE CY HU HR GR FR FI ES LT LI IT IE NL MT LU LV SE RO PT PL SK SI
Kunden Rezensionen zu Markov Decision Processes in Artificial Intelligence von Olivier Sigaud | eBook
Kunden, die: "Markov Decision Processes in Artificial Intelligence" (PDF) von Olivier Sigaud als eBook gekauft haben,
interessierten sich auch für die folgenden eBooks: