Vortrag über Reinforcement learning auf dem JISDM 2022

Am 22. Juni hat unser Mit­ar­bei­ter Dr. Jemil Avers Butt in Zusam­men­ar­beit mit der ETH Zürich einen Vor­trag gehal­ten auf dem Joint Inter­na­tio­nal Sym­po­si­um on Defom­ra­ti­on Moni­to­ring. Die­se Kon­fe­renz beschäf­tigt sich ins­be­son­de­re mit mess­tech­ni­schen Fra­ge­stel­lun­gen, die im Rah­men der Defor­ma­ti­ons­über­wa­chung auf­tre­ten. Dar­un­ter fällt auch die Fra­ge nach der maxi­mal infor­ma­ti­ven Ver­tei­lung von Mes­sun­gen in Raum und Zeit. 

In dem Vor­trag und dem dazu­ge­hö­ri­gen Paper “Adap­ti­ve Spa­ti­al Dis­cretiza­ti­on using Rein­force­ment Lear­ning” wird ein Ansatz vor­ge­stellt, der eine Metho­de des sto­chas­ti­schen opti­mal con­trols — das Rein­force­ment Lear­ning- ver­wen­det. Mit die­sem Ansatz wird das durch Mes­sun­gen abzu­tas­ten­de Objekt hin­sicht­lich sei­ner poten­ti­el­len Eige­schaf­ten abge­schätzt und ein Algo­rith­mus wird dazu trai­niert, durch Mes­sun­gen erho­be­ne Infor­ma­tio­nen zur Ent­schei­dung über die nächs­te Mes­sung heranzuziehen.

Die Slides des Vor­tra­ges fin­den Sie hier und Infos zum Rein­force­ment lear­ning sind hier einzusehen.