গভীর শক্তিশালীকরণ শিক্ষা
গভীর শক্তিশালীকরণ শিক্ষা (Deep Reinforcement Learning) নিউরাল নেটওয়ার্ককে শক্তিশালীকরণ শিক্ষার সাথে একত্রিত করে যাতে একটি এজেন্ট পরিবেশের সাথে মিথস্ক্রিয়া করে শেখে। এটি ২০১৪ সালে Mnih এবং সহকর্মীদের মানব-স্তরের আটারি নিয়ন্ত্রণের উপর প্রকাশিত Nature-এর কাজের মাধ্যমে জনপ্রিয়তা লাভ করে। একটি নির্দিষ্ট লেবেলযুক্ত ডেটাসেট থেকে শেখার পরিবর্তে, এজেন্ট ক্রিয়া সম্পাদন করে, পুরষ্কার পর্যবেক্ষণ করে এবং ধীরে ধীরে এমন একটি নীতি গঠন করে যা দীর্ঘমেয়াদী রিটার্নকে সর্বাধিক করে তোলে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Mnih, V. et al. (2015). Human-Level Control through Deep Reinforcement Learning. Nature, 518, 529–533. DOI: 10.1038/nature14236 ↗
- Schulman, J. et al. (2017). Proximal Policy Optimization Algorithms. arXiv:1707.06347. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Deep Reinforcement Learning (DQN / PPO / A3C). ScholarGate. https://scholargate.app/bn/deep-learning/deep-reinforcement-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- নিউরাল আর্কিটেকচার সার্চগভীর শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- পুনরাবৃত্ত নিউরাল নেটওয়ার্কগভীর শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →