Обучение с подкреплением

[hasibaakterss3309]

Обучение с подкреплением использует целевые алгоритмы таким образом, что система учится достигать цели (задачи) и максимизировать ее в определенном направлении за ряд шагов.

Лучшим примером этого является такая игра, как шахматы, где очки набираются за несколько ходов.

Для лучшего понимания процесса обучения с п особенности нашей базы данных по рекламе
одкреплением вы можете обратиться к этой статье об обучении с подкреплением .

Контролируемое обучение против обучения с подкреплением - источник изображения - sfl scientific
Контролируемое обучение против обучения с подкреплением
Понимание контролируемого обучения
Контролируемое обучение технически означает обучение функции, которая выдает выходной сигнал для заданного входного сигнала на основе набора определенных пар вход-выход.

Это делается с помощью так называемых «обучающих данных», которые состоят из набора обучающих примеров.

В нашем предыдущем примере изображение обуви и название «обувь» являются входными и выходными данными соответственно.

После изучения сотен или тысяч различных изображений обуви и названия «туфли», а также носков, когда нашей системе даются только входные данные (новое изображение обуви), она выдает выходные данные (название: обувь).