Création d'un reseau récurrent avec apprentissage par renforcement
Bonjour
J'aimerai réaliser ce type de réseau qui semble interressant, j'ai donc cherché et j'ai trouvé des informations.
Donc pour ce type de réseau je prends des neurones que je connecte n'importe comment (au hasard) et je défini x neurones d'entrées et je place y neurones de sortie sachant que chaque neurone de sortie modifie l'environnement et les neurones d'entrée recoivent l'information sur l'environnement.
Ensuite j'utilise la loi de hebb pour modifier les poids selon la règle instar qui améliore la loi de hebb.
La où j'ai de la difficuleté à comprendre c'est pour le signal de renforcement R. Le réseau doit chercher à le maximiser. Mais comment?
R est-il une simple entrée comme les autres?
En bref: Comment implémenter R?
J'ai utilisé les sources suivantes pour me documenter :
http://emmanuel.dauce.free.fr/Hermes/chap3.pdf (c'est très qualitatif avec des expériences concrètes dont les résultats sont présentés).
http://books.google.fr/books?id=P1Gg...20hebb&f=false (pour le règle de Hebb)
Pouvez-vous m'aider?
