Förstärkningslärande

Författare: Lewis Jackson
Skapelsedatum: 11 Maj 2021
Uppdatera Datum: 15 Maj 2024
Anonim
Förstärkningslärande - Teknologi
Förstärkningslärande - Teknologi

Innehåll

Definition - Vad betyder förstärkningslärande?

Förstärkningsinlärning, i form av artificiell intelligens, är en typ av dynamisk programmering som tränar algoritmer med ett system av belöning och straff.


En förstärkningsinlärningsalgoritm eller agent lär sig genom att interagera med sin miljö. Agenten får belöningar genom att utföra korrekt och påföljder för att ha utfört felaktigt. Agenten lär sig utan ingripande från en människa genom att maximera sin belöning och minimera sin straff.

En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.

Techopedia förklarar förstärkningslärande

Förstärkningslärande är en metod för maskininlärning som är inspirerad av behavioristpsykologi. Det liknar hur ett barn lär sig att utföra en ny uppgift. Förstärkningsinlärning står i kontrast till andra metoder för maskininlärning genom att algoritmen inte uttryckligen berättas hur man utför en uppgift, utan arbetar igenom problemet på egen hand.


Som agent, som kan vara en självkörande bil eller ett program som spelar schack, interagerar med sin miljö, får ett belöningstillstånd beroende på hur det presterar, till exempel att köra till destinationen säkert eller vinna ett spel. Omvänt får agenten en påföljd för att ha utfört felaktigt, till exempel att gå av vägen eller att bli kontrollerad.

Agent över tid fattar beslut för att maximera sin belöning och minimera sin straff med dynamisk programmering. Fördelen med detta tillvägagångssätt för konstgjord intelligens är att det gör att ett AI-program kan lära sig utan en programmerare som anger hur en agent ska utföra uppgiften.