Reinforcement learning

การเรียนรู้แบบเสริมกำลังเป็นแขนงหนึ่งของการเรียนรู้ของเครื่องที่เกี่ยวข้องกับวิธีการดำเนินการของเจ้าหน้าที่ และค้นหาว่าการกระทำเหล่านั้นส่งผลต่อรางวัลที่ได้รับจากการดำเนินการนั้นอย่างไร

มีอัลกอริธึมการเรียนรู้แบบเสริมแรงหลายประเภท รวมทั้งการทำซ้ำตามค่า นโยบายไล่ระดับสี และวิธีการมอนติคาร์โล ที่นิยมมากที่สุดคือการวนซ้ำค่า ซึ่งใช้อัลกอริธึมการปรับให้เหมาะสมเพื่อกำหนดการดำเนินการที่ดีที่สุดที่หุ่นยนต์ควรทำตามสถานะปัจจุบัน สภาพแวดล้อมปัจจุบัน และข้อมูลอื่นๆ ที่หุ่นยนต์สามารถเข้าถึงได้ (เช่น ผลลัพธ์ที่ต้องการ)

และการเรียนรู้แบบเสริมแรงเชิงลึกเป็นเทคนิคที่ใช้โครงข่ายประสาทเทียมเชิงลึกเพื่อเรียนรู้จากประสบการณ์ เมื่อคุณใช้การเรียนรู้แบบเสริมแรงเชิงลึก คุณจะสามารถฝึกโมเดลแมชชีนเลิร์นนิงด้วยความช่วยเหลือจากครูฝึกที่เป็นมนุษย์ซึ่งจะให้ข้อเสนอแนะว่าโมเดลทำงานได้ดีเพียงใด

เป้าหมายของเทคนิคนี้คือเพื่อพัฒนาอัลกอริทึมที่สามารถเรียนรู้วิธีการทำงานโดยไม่ต้องตั้งโปรแกรมไว้อย่างชัดเจน การเรียนรู้แบบเสริมแรงเชิงลึกทำงานโดยการสร้างเครือข่ายประสาทเทียมที่เรียนรู้เพื่อให้ได้ผลลัพธ์ผ่านการลองผิดลองถูกเมื่อเวลาผ่านไป อัลกอริทึมประเภทนี้มีเลเยอร์และโหนดจำนวนมากที่ช่วยให้สามารถเรียนรู้จากประสบการณ์และจากระบบหรือสถานการณ์อื่นที่คล้ายคลึงกัน