2.5 KiB
| title | localeTitle |
|---|---|
| Reinforcement Learning | Укрепление обучения |
Предлагаемое чтение:
Укрепление обучения
Укрепление обучения относится к области машинного обучения, которая применяется к агентам, которые вы усиливаете, предоставляя им вознаграждение и наказание. Это дает хорошее постепенное обучение и может упростить изучение агента в задачах, где вы не можете определить правильное значение ошибки.
Пример: Боту задают задачу играть в Space Invaders, он пытается научиться играть в нее, взаимодействуя с игрой и взамен получая вознаграждение за очки, которые он забил в конце игры. Чем больше награда, тем больше шансов сделать подобный игровой процесс. Таким образом, он учится играть в игру и выполнять наилучшим образом.
В индустрии робот использует глубокое обучение усилению, чтобы выбрать устройство из одной коробки и положить его в контейнер. Успешно ли это или не удается, он запоминает объект и получает знания и тренирует себя для выполнения этой работы с большой скоростью и точностью. Обучение само по себе является своего рода усилением обучения, если обучение находится в позитивном измерении.
Список общих алгоритмов
Q-Learning Временная разница (TD) Deep Adversarial Networks
Случаи применения:
Некоторыми применениями алгоритмов обучения усилению являются компьютерные настольные игры (Chess, Go), роботизированные руки и самозанятые автомобили.