Programma di Machine And Reinforcement Learning In Control Applications:

  • Introduzione all’apprendimento per rinforzo, 
  • metodi non associativi di apprendimento, 
  • introduzione a processi decisionali Markoviani, 
  • programmazione dinamica, 
  • tecniche di apprendimento tabellari (Monte Carlo, alle differenze temporali, tracce di eleggibilità), 
  • utilizzo congiunto di tecniche di pianificazione e di apprendimento, 
  • tecniche di apprendimento basate su approssimazione funzionale (lineare e non-lineare), 
  • controllo ottimo basato sui dati per sistemi con spazio di stato e azioni continue, 
  • analisi di sistemi parzialmente osservabili, 
  • esempi di applicazione di tecniche di apprendimento per rinforzo a esempi pratici.