Machine learningDeep learning / NLP / CV

Reinforcement Learning

Reinforcement Learning (RL) ist ein Rahmenwerk, in dem ein Agent lernt, sequentielle Entscheidungen zu treffen, indem er mit einer Umgebung interagiert, skalare Belohnungssignale empfängt und eine Politik (Policy) aktualisiert, um die kumulative zukünftige Belohnung zu maximieren. Im Gegensatz zum überwachten Lernen werden keine gelabelten Beispiele bereitgestellt; der Agent entdeckt optimales Verhalten ausschließlich durch Erfahrung und verzögerte Rückmeldung.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Reinforcement Learning

Policy-Gradient-Methoden Rekurrentes neuronales N…Agent-based dynamic prog…Bayesian Dynamic Program…Erklärbares Reinforcemen…Fine-Tuned Reinforcement…Mehrsprachiges bestärken…Multimodale Verstärkungs…Selbstüberwachtes bestär…Semi-supervidiertes Rein…

+2 more

Quellen

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 ↗

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/de/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.

Policy-Gradient-MethodenMaschinelles Lernen↔ compare
Rekurrentes neuronales NetzDeep Learning↔ compare

Compare side by side →

Referenziert von

Agent-based dynamic programming Bayesian Dynamic Programming Erklärbares Reinforcement Learning Fine-Tuned Reinforcement Learning Mehrsprachiges bestärkendes Lernen Multimodale Verstärkungslernverfahren (Multimodal Reinforcement Learning)Selbstüberwachtes bestärkendes Lernen Semi-supervidiertes Reinforcement Learning Transfer Learning mit Reinforcement Learning Schwach überwachtes bestärkendes Lernen

Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →