Reinforcement Learning
Reinforcement Learning (RL) je rámec, v ktorom sa agent učí robiť sekvenčné rozhodnutia interakciou s prostredím, prijímaním skalárnych signálov odmeny a aktualizáciou politiky s cieľom maximalizovať kumulatívnu budúcu odmenu. Na rozdiel od učenia pod dohľadom sa neposkytujú žiadne označené príklady; agent objavuje optimálne správanie výlučne prostredníctvom skúseností a oneskorenej spätnej väzby.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/sk/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.
- Metódy gradientu politikyStrojové učenie↔ compare
- Rekurentná neurónová sieťHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →