Stiimulõpe - tunnikontroll

Millised neist on masinõppe tüübid?

• Juhendatud õpe

• Stiimulõpe

• Masinnägemine

• Juhendamata õpe

Mis on stiimulõppe olulised osad?

• Operaator ja elektrisüsteem.

• Agent ja keskkond.

• Tegevus ja vaatlused.

• Elektritootjad ja -tarbijad.

Mis on stiimulõppe keskkond?

• Kõik, mis jääb stiimulõppe agendist välja poole

• Elektrisüsteem

• Maakera

• Juhitav objekt

Milleks kasutatakse stiimulõppe preemiat?

• Läbi preemia defineeritakse stiimulõppe rakendamise eesmärk

• Preemia võimaldab agendil keskkonda vaadelda

• Preemia annab kasutajale võimaluse agenti igal ajal mõjutada

• Preemia annab agendile aimu, mida ta peab juhtima

Kuidas arvutada preemiat?

Milleks on tarvis käitumispoliitikat?

• Käitumispoliitika pole otseselt vajalik

• Käitumispoliitika on vajalik agendi käitumise suunamiseks

• Käitumispoliitika defineerib vaatlustest saadava info põhjal järgmise tegevuse

• Käitumispoliitika defineerib preemia põhjal järgmise tegevuse

Mida nimetatakse universaalseks funktsiooni lähendajaks?

• Tabel

• Närvivõrk

• Ülekandefunktsioon

• Must kast

Milline struktuur võimaldab kasutajal mõjutada stiimulõppe agenti vahetult?

• 
• 
• 
• 

Mis on õppimisalgoritmi eesmärk?

• Koostada optimaalne käitumispoliitika

• Koostada optimaalne preemia funktsioon

• Selgitada agendile, mida ta peab juhtima

• Määrata ära agendi keerukus

Millist õppimisalgoritmi oleks mõistlik kasutada akuenergiasalvesti juhtimisel? Eesmärk on kasutada võimalikult lihtsat agendi struktuuri.
Tarvis on lülitada akuenergiasalvestit kolme erineva režiimi vahel: ooteasend, maksimaalsel võimsusel tühjendamine või laadimine. Lülitust teostatakse vastavalt elektrihinnale, lokaalse päikeselektrijaama toodangule ja lokaalsele tarbimisele.

• Käitumispoliitika põhine

• Väärtuspõhine

• Tegutseja-kriitik

• Närvivõrk