Machine learningDeep learning / NLP / CV
למידת חיזוק
למידת חיזוק (RL) היא מסגרת שבה סוכן לומד לקבל החלטות סדרתיות על ידי אינטראקציה עם סביבה, קבלת אותות תגמול סקלריים ועדכון מדיניות למקסום תגמול עתידי מצטבר. בניגוד ללמידה מונחית-פיקוח, אין דוגמאות מתויגות; הסוכן מגלה התנהגות אופטימלית לחלוטין באמצעות ניסיון ומשוב מושהה.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/he/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.
- שיטות גרדיאנט מדיניותלמידת מכונה↔ compare
- רשת נוירונים רקורנטיתלמידה עמוקה↔ compare