Reinforcement learning

Takviyeli öğrenme, bir temsilcinin eylemlerini nasıl gerçekleştireceği ve bu eylemlerin, o eylemi gerçekleştirmekten aldığı ödülü nasıl etkilediğini anlayan bir makine öğrenimi dalıdır.

Değer yineleme, politika gradyanı ve Monte Carlo yöntemleri dahil olmak üzere pek çok farklı türde pekiştirmeli öğrenme algoritması vardır. Bunlardan en popüler olanı, bir robotun mevcut durumu, mevcut ortamı ve erişebildiği diğer bilgiler (ne tür bir sonuç istediği gibi) göz önüne alındığında gerçekleştirmesi gereken en iyi eylemi belirlemek için bir optimizasyon algoritması kullanan değer yinelemesidir.

Ayrıca derin pekiştirmeli öğrenme, deneyimlerden öğrenmek için derin sinir ağlarını kullanan bir tekniktir. Derin pekiştirmeli öğrenme kullandığınızda, makine öğrenimi modellerinizi, modelin ne kadar iyi performans gösterdiğine dair geri bildirim sağlayan bir insan eğiticinin yardımıyla eğitebilirsiniz.

Bu tekniğin amacı, açıkça programlanmadan bir görevi nasıl gerçekleştireceğini öğrenebilen bir algoritma geliştirmektir. Derin pekiştirmeli öğrenme, zaman içinde deneme yanılma yoluyla bir sonuca ulaşmayı öğrenen yapay bir sinir ağı oluşturarak çalışır. Bu tür bir algoritma, diğer benzer sistemlerden veya durumlardan olduğu kadar deneyimlerden de öğrenmesine izin veren çok sayıda katmana ve düğüme sahiptir.