Reinforcement learning

强化学习是机器学习的一个分支，它处理如何采取代理人的行动并弄清楚这些行动如何影响它从执行该行动中获得的奖励。

有许多不同种类的强化学习算法，包括值迭代、策略梯度和蒙特卡罗方法。其中最流行的是价值迭代，它使用优化算法来确定机器人在给定当前状态、当前环境以及它可以访问的任何其他信息（例如它想要什么样的结果）的情况下应该采取的最佳行动。

深度强化学习也是一种使用深度神经网络从经验中学习的技术。当您使用深度强化学习时，您可以在人类训练师的帮助下训练您的机器学习模型，人类训练师会提供有关模型执行情况的反馈。

该技术的目标是开发一种算法，无需明确编程即可学习如何执行任务。深度强化学习的工作原理是创建一个人工神经网络，随着时间的推移，该网络通过反复试验学习取得结果。这种类型的算法有大量的层和节点，可以从经验以及其他类似的系统或情况中学习。