Förstärkningsinlärning
term_id: reinforcement_learning
Category: basic_concepts
Definition
Förstärkningsinlärning (RL) är en gren av maskininlärning som fokuserar på hur intelligenta agenter bör agera i en miljö för att maximera kumulativ belöning. Till skillnad från övervakad inlärning, där data är märkta, lär sig agenten genom trial-and-error och feedback från miljön.
Summary
Förstärkningsinlärning är en typ av maskininlärning där agenter lär sig fatta beslut genom att interagera med en miljö för att maximera belöningar.
Key Concepts
- Agent
- Miljö
- Policy
- Belöningsfunktion
- Tillståndsrum
Use Cases
- Autonom körning
- Spel-AI (t.ex. AlphaGo)
- Rekommendationssystem