Oppiva automaatti
term_id: learning_automaton
Category: training_techniques
Definition
Tämä käsite juontaa juurensa vahvistusoppimiseen ja sisältää agentin vuorovaikutuksen tuntemattoman ympäristön kanssa. Automaatti valitsee toimintoja äärellisestä joukosta ja saa rangaistus- tai palkkasignaalin.
Summary
Oppiva automaatti on yksinkertainen stokastinen päätöksentekoyksikkö, joka päivittää iteratiivisesti toimintatodennäköisyyksiään ympäristön palautteen perusteella palkinnon maksimoimiseksi.
Key Concepts
- Toimintatodennäköisyysvektori
- Palkka/rangaistus-signaali
- Stokastinen optimointi
Use Cases
- Resurssien kohdentamisongelmat
- Verkon reitityksen optimointi
- Yksinkertaiset ohjausjärjestelmät