Reinforcement learning

強化學習是機器學習的一個分支，它處理如何採取代理人的行動並弄清楚這些行動如何影響它從執行該行動中獲得的獎勵。

有許多不同種類的強化學習算法，包括值迭代、策略梯度和蒙特卡羅方法。其中最流行的是價值迭代，它使用優化算法來確定機器人在給定當前狀態、當前環境以及它可以訪問的任何其他信息（例如它想要什麼樣的結果）的情況下應該採取的最佳行動。

深度強化學習也是一種使用深度神經網絡從經驗中學習的技術。當您使用深度強化學習時，您可以在人類訓練師的幫助下訓練您的機器學習模型，人類訓練師會提供有關模型執行情況的反饋。

該技術的目標是開發一種算法，無需明確編程即可學習如何執行任務。深度強化學習的工作原理是創建一個人工神經網絡，隨著時間的推移，該網絡通過反複試驗學習取得結果。這種類型的算法有大量的層和節點，可以從經驗以及其他類似的系統或情況中學習。