Reinforcement Learning
Reinforcement Learning (RL) ist ein Teilgebiet des Machine Learning (ML) und beschäftigt sich mit der Automatisierung von Lernprozessen, die Entscheidungsfindungen betreffen. Im RL-Modell heißt die Software-Komponente, die Entscheidungen trifft, „Agent“. Die Entscheidungsfindung besteht darin, innerhalb einer Reihe von diskreten Zeitschritten je eine „Aktion“ auszuwählen. Dafür erhält der Agent die „Belohnung“, die ihn darin „bestärken“ sooll, die richtigen Entscheidungen zu treffen.
Bei RL kann ein Deep-Neural-Network (DNN) zum Einsatz kommen – es bestehen jedoch einige grundlegende Unterschiede zwischen RL und anderen DNN-basierten Techniken. Offensichtliche RL-spezifische Eigenschaften sind u.a. der mehrschrittige Ablauf sowie, dass kein Training anhand einer Datenbasis im Vorfeld stattfindet. RL ähnelt damit dem trial-and-error Ansatz von Lernprozessen in der Natur.
Anwendungen von RL im Zusammenhang mit der KI-gestützten Optimierung des urbanen Lebens, also in so genannten „Smart Cities„, finden sich viele – z.B. im Erlernen von Schaltvorgängen für Ampeln oder geeigneten Kombinationen von Verkehrsmitteln in der „multimodalen Routenplanung“.
Wegfindung ist generell ein geeignetes Anwendungsfeld:
Probleme wie die Flugbahnberechnung für Drohnen oder die Einsatzplanung für Busse unterscheiden sich prinzipiell nur in den Kriterien anhand derer Belohnungen vergeben werden. Wir sehen uns ebenfalls ein solches Routenfindungsproblem an:
die Suche nach der nächstgelegenen Ladesäule für ein Elektroauto. Wir klären, was die Begriffe Agent, Umgebung, Belohnung, Zustand, Strategie und Wert in diesem Zusammenhang bedeuten und liefern einen Ausblick auf fortgeschrittene Techniken wie die „Policy Gradient Methods“.
Der Vortrag beinhaltet eine fundierte Diskussion von RL-Grundlagen anhand einer Formalisierung des Entscheidungsproblems als Markov Prozess und einer Besprechung der Bellmannschen Gleichung.
Um die Zusammenhänge zu veranschaulichen, behandelt der Vortrag auch die Implementierung eines RL-Agenten in der Programmiersprache C++ und dessen Anwendung in einer Simulation unseres „e-Mobility“-Beispiels.
Der Experten Abend richtet sich an Software Entwickelnde und IT-Kräfte, die mitdiskutieren und von den künftigen Entwicklungen profitieren wollen.
Ihr Referent:
Prof. Dr. Jan Dünnweber
Prof. Dr. Jan Dünnweber unterrichtet an der Ostbayerischen Technischen Hochschule (OTH) in Regensburg Informatik und betreut bei der IDV AG Studierende, die in Projekten mitwirken.
Agenda
- t.b.d.
- t.b.d.
- t.b.d.
- t.b.d.
- t.b.d.
- t.b.d.
Facts
Termin: Mittwoch, 28. September 2022
Start: 14:00 Uhr
Ort: Online – Zugang nach Anmeldung
Zielgruppe: Entscheider:innen, Team- und Projektleitende, Software Entwickelnde und alle, die mitdiskutieren wollen
Technischer Background nicht notwendig
Gebühr: kostenfrei
Anmeldung zum IDV Experten Abend
Bitte melden Sie sich mit folgendem Formular für den IDV Experten Abend an.
Falls Sie mehr als eine Begleitperson mitbringen möchten, schicken Sie uns bitte einfach eine Nachricht.
Bitte beachten Sie hierbei, dass aus organisatorischen Gründen Anmeldungen nur bis zum Tag der Veranstaltung 10 Uhr angenommen werden können.
Wir freuen uns auf Ihre Teilnahme!