Title: Fuzzy Clustering: an Application to Distributional Reinforcement Learning
Other Titles: Fuzzy Clustering: eine Anwendung auf distributionelles Reinforcement Learning
Language: English
Authors: Malle, Julien 
Qualification level: Diploma
Advisor: Heitzinger, Clemens 
Issue Date: 2021
Number of Pages: 57
Qualification level: Diploma
Abstract: 
Die meisten Reinforcement Learning-Algorithmen werden mit der Einschränkung eines diskreten (endlichen) Zustandsraums untersucht. Kompliziertere Zustandsräume werden normalerweise durch Funktionsnäherung behandelt, für die nur wenige theoretische Ergebnisse verfügbar sind. In dieser Arbeit wird eine clusterbasierte Näherung für kontinuierliche Zustandsräume untersucht. Die stückweise konstante Näherung, die durch (klassisches) hartes Clustering erhalten wird, wird empirisch unter Verwendung von Fuzzy-Menge und Zugehörigkeitsfunktionen verbessert. Wir untersuchen auch, wie das Clustering selbst mithilfe von Zugehörigkeitsfunktionen automatisiert werden kann, die auf das bekannte MNIST-Problem angewendet werden.

Most Reinforcement Learning algorithms are studied with the restriction of a discrete (finite) state space. More complicated state spaces are usually handled through function approximation, for which few theoretical results are available. In this paper, a clustering-based approximation for continuous state spaces is studied. The piecewise constant approximation obtained by (classical) hard clustering is enhanced empirically using fuzzy membership functions. We also look at how the clustering itself could be automated, using membership functions applied to the well-known MNIST digit-recognition problem.
Keywords: Reinforcement learning; bestärkendes Lernen; Fuzzy clustering; distributionelles bestärkendes Lernen
Reinforcement learning; Fuzzy clustering; Distributional reinforcement learning
URI: https://doi.org/10.34726/hss.2021.86783
http://hdl.handle.net/20.500.12708/17073
DOI: 10.34726/hss.2021.86783
Library ID: AC16169682
Organisation: E101 - Institut für Analysis und Scientific Computing 
Publication Type: Thesis
Hochschulschrift
Appears in Collections:Thesis

Files in this item:

Show full item record

Page view(s)

44
checked on Jun 16, 2021

Download(s)

26
checked on Jun 16, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.