রিইনফোর্সমেন্ট লার্নিং
রিইনফোর্সমেন্ট লার্নিং (RL) হলো একটি কাঠামো যেখানে একটি এজেন্ট পরিবেশের সাথে মিথস্ক্রিয়া করে, স্কেলার পুরস্কার সংকেত গ্রহণ করে এবং ক্রমবর্ধমান ভবিষ্যৎ পুরস্কার সর্বাধিক করার জন্য একটি নীতি (policy) আপডেট করার মাধ্যমে ধারাবাহিক সিদ্ধান্ত নিতে শেখে। সুপারভাইজড লার্নিংয়ের বিপরীতে, এখানে কোনো লেবেলযুক্ত উদাহরণ প্রদান করা হয় না; এজেন্ট সম্পূর্ণভাবে অভিজ্ঞতা এবং বিলম্বিত প্রতিক্রিয়ার মাধ্যমে সর্বোত্তম আচরণ আবিষ্কার করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
উৎস
- Sutton, R. S. & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6
- Mnih, V., Kavukcuoglu, K., Silver, D., et al. (2015). Human-level control through deep reinforcement learning. Nature, 518, 529–533. DOI: 10.1038/nature14236 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/bn/deep-learning/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.
- পলিসি গ্রেডিয়েন্ট পদ্ধতিযন্ত্র শিখন↔ compare
- পুনরাবৃত্ত নিউরাল নেটওয়ার্কগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →