Aprenentatge per Reforçament
L'aprenentatge per reforçament (AR) és un marc en què un agent aprèn a prendre decisions seqüencials interactuant amb un entorn, rebent senyals d'recompensa escalars i actualitzant una política per maximitzar la recompensa futura acumulada. A diferència de l'aprenentatge supervisat, no es proporcionen exemples etiquetats; l'agent descobreix el comportament òptim completament a través de l'experiència i el feedback retardat.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/ca/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.
- Mètodes de Gradient de PolíticaAprenentatge automàtic↔ compare
- Xarxa Neuronal RecurrentAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →