Design of Experiments for Reinforcement Learning

این پایان نامه یک رویکرد تجربی برای درک رفتار و تعاملات بین دو مؤلفه اصلی یادگیری تقویتی دارد: الگوریتم یادگیری و نمایش عملکردی دانش آموخته شده. نویسنده با استفاده از طراحی آزمایش‌هایی که معمولاً برای مطالعه روش‌های یادگیری ماشین استفاده نمی‌شوند، به این نهادها نزدیک می‌شود. نتایج بیان شده در این کار بینشی را در مورد اینکه چه چیزی بر اجرای موفقیت آمیز یادگیری تقویتی تأثیر می گذارد و چه چیزی بر آن تأثیر می گذارد، ارائه می دهد تا بتوان این روش یادگیری را برای مسائل چالش برانگیزتر به کار برد.

This thesis takes an empirical approach to understanding of the behavior and interactions between the two main components of reinforcement learning: the learning algorithm and the functional representation of learned knowledge. The author approaches these entities using design of experiments not commonly employed to study machine learning methods. The results outlined in this work provide insight as to what enables and what has an effect on successful reinforcement learning implementations so that this learning method can be applied to more challenging problems.