Reinforcement learning

التعلم المعزز هو فرع من فروع التعلم الآلي الذي يتعامل مع كيفية اتخاذ إجراءات الوكيل ومعرفة كيف أثرت هذه الإجراءات على المكافأة التي يتلقاها من أداء هذا الإجراء.

هناك العديد من الأنواع المختلفة لخوارزميات التعلم المعزز ، بما في ذلك تكرار القيمة وتدرج السياسة وطرق مونت كارلو. الأكثر شيوعًا هو تكرار القيمة ، والذي يستخدم خوارزمية تحسين لتحديد الإجراء الأفضل الذي يجب على الروبوت اتخاذه بالنظر إلى حالته الحالية ، والبيئة الحالية ، وأي معلومات أخرى يمكنه الوصول إليها (مثل نوع النتيجة التي يريدها).

وأيضًا التعلم المعزز العميق هو أسلوب يستخدم الشبكات العصبية العميقة للتعلم من التجربة. عندما تستخدم التعلم المعزز العميق ، لديك القدرة على تدريب نماذج التعلم الآلي الخاصة بك بمساعدة مدرب بشري يقدم ملاحظات حول مدى جودة أداء النموذج.

الهدف من هذه التقنية هو تطوير خوارزمية يمكنها تعلم كيفية أداء مهمة دون أن تتم برمجتها بشكل واضح. يعمل التعلم المعزز العميق عن طريق إنشاء شبكة عصبية اصطناعية تتعلم تحقيق نتيجة من خلال التجربة والخطأ ، بمرور الوقت. يحتوي هذا النوع من الخوارزمية على عدد كبير من الطبقات والعقد التي تسمح له بالتعلم من التجربة وكذلك من الأنظمة أو المواقف المماثلة الأخرى.