Reinforcement learning

Reinforcement learning is een gebied van machine learning dat zich bezighoudt met hoe intelligente agenten acties moeten ondernemen in een omgeving om hun cumulatieve beloning te maximaliseren. Het is een vorm van kunstmatige intelligentie die leert door simulatie en op deze manier de ideale uitkomst onderzoekt in plaats van gebruik te maken van historische gegevens. Reinforcement learning is een van de drie fundamentele machine learning-paradigma's, naast supervised learning (leren onder toezicht) en unsupervised learning (leren zonder toezicht). De omgeving wordt meestal uitgedrukt in de vorm van een Markov-beslissingsproces (MDP).

Toepassing

Deze vorm van machine learning wordt veel toegepast bij navigatiesoftware en gaming.

Verschil met supervised learning

Reinforcement learning verschilt van supervised learning doordat er geen gelabelde input/output-paren hoeven te worden gepresenteerd en doordat suboptimale acties niet expliciet moeten worden gecorrigeerd. In plaats daarvan ligt de focus op het vinden van een balans tussen exploratie (van onbekend terrein) en exploitatie (van huidige kennis).

Content Disclaimer

Informasi ini disarikan dari Wikipedia dan disajikan kembali untuk tujuan edukasi. Konten tersedia di bawah lisensi CC BY-SA 3.0. Kami tidak bertanggung jawab atas ketidakakuratan data yang bersumber dari kontribusi publik tersebut.

  1. The information displayed on this website is sourced in part or in whole from Wikipedia and has been adapted for the purpose of restating it. We strive to provide accurate and relevant information, however:
  2. There is no guarantee of absolute accuracy. Wikipedia is an open, collaborative project that can be edited by anyone, so information is subject to change.
  3. It is not intended to constitute professional advice. The content displayed is for informational and educational purposes only. For important decisions (e.g., medical, legal, or financial), please consult a professional.
  4. Content copyright. Wikipedia is licensed under the Creative Commons Attribution-ShareAlike License (CC BY-SA). This means that content may be reused with appropriate attribution and shared under a similar license.
  5. Responsible use. Any risk arising from the use of information from this website is entirely the responsibility of the user.