Global Information
회사소개 | 문의 | 비교리스트

진정한 인텔리전트가 되기 위해 : 인공지능(AI) 기술의 Next Wave(Wave 2 : 강화형 기계 학습)

Towards Being Truly Intelligent: Next Wave of AI Technologies (Wave 2 - Reinforcement Learning)

리서치사 Frost & Sullivan
발행일 2020년 06월 상품 코드 950636
페이지 정보 영문 24 Pages
US $ 4,950 ₩ 5,849,000 Web Access (Regional License) help
리서치사의 웹사이트에 로그인할 수 있는 패스워드가 발급되며, PDF를 다운로드 받는 형태로 제공됩니다. 동일 국가 내에 있는 사업장의 모든 분들이 이용할 수 있는 라이선스이며, 이용 인원수 제한은 없습니다. 텍스트 등의 PDF 내용 편집은 불가능합니다. 인쇄횟수에 제한은 없으나, 인쇄물의 이용 범위는 PDF 이용 범위에 준합니다.

진정한 인텔리전트가 되기 위해 : 인공지능(AI) 기술의 Next Wave(Wave 2 : 강화형 기계 학습) Towards Being Truly Intelligent: Next Wave of AI Technologies (Wave 2 - Reinforcement Learning)
발행일 : 2020년 06월 페이지 정보 : 영문 24 Pages

강화형 기계학습(RL: Reinforcement Learning)에 대해 조사했으며, 소개, 응용, 혁신기업과 혁신 및 성장 기회에 대해 상세하게 분석했습니다.

제1장 개요

  • 조사 범위
  • 조사 방법

제2장 강화형 기계 학습 : 서론

  • 강화형 기계 학습은 사전 정의된 목표로 최적의 방법을 찾아내고 시행하는 것에 중점을 둔다.
  • RL Systems은 보수를 달성하기 위해서 주(州)에 준하여 환경내를 이동하는 에이전트를 중심으로 전개
  • Model-free RL 방법은 시행착오법을 이용하여 목표 달성을 향해 가장 효율적인 접근을 찾아낸다.
  • Model-based RL은 내부 모델을 구축하고, 행동을 시뮬레이트하여 행동을 행하기 전에 결과와 변화를 결정
  • 강화형 기계 학습은 기계학습의 계산 집중형 방법이며, 엣지에서 한정된 애플리케이션을 찾아낸다.

제3장 혁신과 C2A(권장 행동)

  • 주요 기업이나 대학의 여러가지 조사 연구와 전개에 의해 RL 상업화가 가속
  • 로봇공학은 강화형 기계 학습 시스템의 초기 이용 사례
  • 자율주행차는 동적 환경에서 RL을 이용하여 복잡한 결정을 내리는 것이 가능
  • RL 시스템은 게임 플레이 설계와 가상 환경에서의 리얼한 시뮬레이션 실현에 사용되고 있다.
  • RL에 근거한 폭넓은 이용 사례가 업계 전체에서 개발

제4장 성장 기회

  • RL 분야에서 이론적 연구의 실용적인 애플리케이션은 산학 제휴에 의해 조사될 필요
  • RL 시스템은 환경의 복수 요소간 복잡한 상호작용을 이해하기 위해서 신뢰할 수 있다.

제5장 업계 연락처

  • 주요 연락처
  • 면책사항
LSH 20.08.20

An Overview On Emerging Machine Learning/Artificial Intelligence Approach

As autonomy becomes the key objective of industries across the globe, artificial intelligence (AI) and machine learning (ML) systems too are being driven to adopt a more decision making role with an objective to find and implement the most effective methods of executing business goals. A key area of interest for businesses is to implement ML systems that can find avenues of improvement, which otherwise would be missed by manual analysis.

Reinforcement learning (RL) is a method of ML that focuses on finding the best possible behavior or method to achieve a predetermined set of objectives. These systems excel at discovering the best method to achieve predetermined goals.

In brief, this research service covers the following points:

  • Introduction to Reinforcement Learning
  • Applications of Reinforcement Learning
  • Innovators and Innovations
  • Growth Opportunities

Table of Contents

1.0. Executive Summary

  • 1.1. Research Scope
  • 1.2. Research Methodology

2.0. Reinforced Learning - Introduction

  • 2.1. Reinforcement Learning Focuses on Finding and Executing the Best Possible Method for a Predefined Goal
  • 2.2. RL Systems Revolves Around an Agent that Navigates in the Environment According to the State to Achieve Rewards
  • 2.3. Model-free RL Methods Rely on a Trial and Error Method to Find the Most Efficient Approach Toward Goal Fulfilment
  • 2.4. Model-based RL Constructs an Internal Model and Simulates an Action to Determine Outcome and Transitions Before Taking Action
  • 2.5. Reinforcement Learning is a Computationally Intensive Method of Machine Learning and Thus Finds Limited Application at Edge

3.0. Innovations and Companies to Action

  • 3.1. Multiple Research Studies and Deployments by Leading Companies and Universities Have Accelerated the Commercialization of RL
  • 3.2. Robotics Has Been an Early Use Case for Reinforcement Learning Systems
  • 3.3. Self-driving Cars Can Leverage RL to Take Complex Decisions in a Dynamic Environment
  • 3.4. RL Systems are Being Used to Design Gameplays and to Enable Realistic Simulations in Virtual Environments
  • 3.5. A Wide Range of Use Cases Based on RL are Being Developed Across Industries

4.0. Growth Opportunity

  • 4.1. The Practical Applications of Theoretical Research in the Area of RL Have to be Explored by Industry-academia Collaboration
  • 4.2. RL Systems Can Be Relied Upon To Understand the Complex Interplay Between Multiple Elements of an Environment

5.0. Industry Contacts

  • 5.1. Key Contacts
  • Legal Disclaimer
Back to Top
전화 문의