पुनर्बलन अधिगम
पुनर्बलन अधिगम (RL) एक ऐसा ढाँचा है जिसमें एक एजेंट एक वातावरण के साथ परस्पर क्रिया करके, अदिश प्रतिफल संकेत प्राप्त करके, और संचयी भविष्य के प्रतिफल को अधिकतम करने के लिए एक नीति को अद्यतन करके अनुक्रमिक निर्णय लेना सीखता है। पर्यवेक्षित अधिगम के विपरीत, कोई लेबल किए गए उदाहरण प्रदान नहीं किए जाते हैं; एजेंट पूरी तरह से अनुभव और विलंबित प्रतिक्रिया के माध्यम से इष्टतम व्यवहार की खोज करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/hi/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.
- पॉलिसी ग्रेडिएंट पद्धतियाँमशीन अधिगम↔ compare
- पुनरावर्ती तंत्रिका नेटवर्कगहन अधिगम↔ compare