Presná definícia
Čo znamená posilňované učenie?
Posilňované učenie je učenie rozhodovacej stratégie z interakcie agenta s prostredím tak, aby maximalizovala očakávanú kumulatívnu odmenu. Od učenia s učiteľom sa líši tým, že spätná väzba môže byť oneskorená a akcie menia budúce dáta.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Robot sa najprv učí v simulácii, kde skúša akcie a dostáva odmenu za bezpečné splnenie úlohy. Politika sa hodnotí na oddelených scenároch a do reality ide s obmedzeniami.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo presne znamená posilňované učenie?
Posilňované učenie je učenie rozhodovacej stratégie z interakcie agenta s prostredím tak, aby maximalizovala očakávanú kumulatívnu odmenu.
Kedy sa posilňované učenie používa?
Robot sa najprv učí v simulácii, kde skúša akcie a dostáva odmenu za bezpečné splnenie úlohy.
Od čoho treba posilňované učenie odlíšiť?
Supervised learning napodobňuje známe cieľové odpovede; reinforcement learning optimalizuje dôsledky sekvencie vlastných akcií.
Ako sa posilňované učenie kontroluje?
Kontroluje sa návratnosť, variancia semien, bezpečnostné obmedzenia, výkon mimo tréningu, baseline a nezávislé testovacie prostredia.
Aké obmedzenie má posilňované učenie?
Agent môže zneužiť nepresnú odmenu, preučiť sa na simulátor alebo objaviť nebezpečné správanie počas prieskumu.