Machine learningDeep learning / NLP / CV
การเรียนรู้แบบเสริมกำลัง
การเรียนรู้แบบเสริมกำลัง (RL) เป็นกรอบการทำงานที่เอเจนต์เรียนรู้ที่จะตัดสินใจตามลำดับโดยการโต้ตอบกับสภาพแวดล้อม ได้รับสัญญาณรางวัลแบบสเกลาร์ และปรับปรุงนโยบายเพื่อเพิ่มรางวัลสะสมในอนาคต ซึ่งแตกต่างจากการเรียนรู้แบบมีผู้สอน จะไม่มีการให้ตัวอย่างที่มีป้ายกำกับ เอเจนต์จะค้นพบพฤติกรรมที่เหมาะสมที่สุดผ่านประสบการณ์และการตอบรับที่ล่าช้าเท่านั้น
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Reinforcement Learning (Agent-Environment Reward Optimization). ScholarGate. https://scholargate.app/th/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.
- ระเบียบวิธีเกรเดียนต์นโยบายการเรียนรู้ของเครื่อง↔ compare
- โครงข่ายประสาทเทียมแบบเวียนซ้ำ (Recurrent Neural Network - RNN)การเรียนรู้เชิงลึก↔ compare
ถูกอ้างอิงโดย
Agent-Based Dynamic ProgrammingBayesian Dynamic Programmingการเรียนรู้แบบเสริมกำลังที่อธิบายได้การเรียนรู้แบบเสริมกำลังแบบปรับละเอียดการเรียนรู้แบบเสริมกำลังหลายภาษาการเรียนรู้แบบเสริมกำลังหลายรูปแบบ (Multimodal Reinforcement Learning)การเรียนรู้แบบเสริมกำลังด้วยการกำกับดูแลตนเองการเรียนรู้แบบเสริมกำลังกึ่งมีผู้สอนTransfer Learning with Reinforcement LearningWeakly supervised reinforcement learning