เปรียบเทียบวิธี

	การเรียนรู้แบบเสริมกำลัง	โครงข่ายประสาทเทียมแบบเวียนซ้ำ (Recurrent Neural Network - RNN)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1950s–1998	1986–1990
ผู้ริเริ่ม	Sutton, R. S. & Barto, A. G. (formalised); Bellman, R. (foundations)	Rumelhart, D. E.; Elman, J. L.
ประเภท	Sequential decision-making framework	Sequential neural network
แหล่งต้นตำรับ	Sutton, R. S. & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6	Elman, J. L. (1990). Finding structure in time. Cognitive Science, 14(2), 179–211.
ชื่อเรียกอื่น	RL, reward-based learning, trial-and-error learning, policy optimization	RNN, Elman network, Jordan network, simple recurrent network
ที่เกี่ยวข้อง	2	3
สรุป	Reinforcement Learning (RL) is a framework in which an agent learns to make sequential decisions by interacting with an environment, receiving scalar reward signals, and updating a policy to maximise cumulative future reward. Unlike supervised learning, no labeled examples are provided; the agent discovers optimal behavior entirely through experience and delayed feedback.	A Recurrent Neural Network (RNN) is a class of neural network designed to process sequential data by maintaining a hidden state that carries information across time steps. Introduced in its modern form by Rumelhart et al. (1986) and further shaped by Elman (1990), RNNs became the dominant architecture for sequence modelling in NLP, speech, and time-series analysis before the rise of attention-based models.