Reinforcement Learning
Reinforcement Learning (RL) is een raamwerk waarin een agent leert sequentiële beslissingen te nemen door interactie met een omgeving, het ontvangen van scalaire beloningssignalen, en het updaten van een beleid om de cumulatieve toekomstige beloning te maximaliseren. In tegenstelling tot supervised learning worden er geen gelabelde voorbeelden verstrekt; de agent ontdekt optimaal gedrag volledig door ervaring en uitgestelde feedback.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/nl/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.
- BeleidgradiëntmethodenMachine learning↔ compare
- Recurrent Neuraal NetwerkDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →