Обучение с подкреплением
Обучение с подкреплением (ОсП) — это фреймворк, в котором агент учится принимать последовательные решения, взаимодействуя со средой, получая скалярные сигналы вознаграждения и обновляя политику для максимизации суммарного будущего вознаграждения. В отличие от обучения с учителем, здесь не предоставляются размеченные примеры; агент самостоятельно открывает оптимальное поведение исключительно через опыт и отложенную обратную связь.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/ru/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.
- Методы градиента политикиМашинное обучение↔ compare
- Рекуррентная нейронная сетьГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →