Forsterkningslæring
Forsterkningslæring (RL) er et rammeverk der en agent lærer å ta sekvensielle beslutninger ved å interagere med et miljø, motta skalar belønningssignaler og oppdatere en policy for å maksimere kumulativ fremtidig belønning. I motsetning til veiledet læring, gis ingen merkede eksempler; agenten oppdager optimal atferd utelukkende gjennom erfaring og forsinket tilbakemelding.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/no/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-metoderMaskinlæring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →