Reinforcement learning
การเรียนรู้แบบเสริมกำลัง
อ่าน 1 นาทีการเรียนรู้ความแตกต่างเชิงเวลา
1988 in artificial intelligenceการเรียนรู้ความแตกต่างเชิงเวลา ( TD ) หมายถึงคลาสของ วิธี การเรียนรู้แบบเสริมแรงที่ไม่ต้องใช้แบบจำลองซึ่งเรียนรู้โดยการบูตสแตรปจากค่าประมาณปัจจุบันของฟังก์ชันค่า...
อ่าน 1 นาทีการเรียนรู้เสริมแรงเชิงลึก
Deep learningการเรียนรู้แบบเสริมแรงเชิงลึก ( Deep RL ) เป็นสาขาย่อยของการเรียนรู้ของเครื่องที่ผสมผสานการเรียนรู้แบบเสริมแรง (RL) และการเรียนรู้เชิงลึก RL...
อ่าน 1 นาทีการเรียนรู้แบบเสริมแรงจากผลตอบรับของมนุษย์
2017 in artificial intelligenceใน การเรียนรู้ ของเครื่องการเรียนรู้แบบเสริมแรงจากผลตอบรับของมนุษย์ ( RLHF ) เป็นเทคนิคในการปรับตัวแทนอัจฉริยะ ให้สอดคล้อง กับความชอบ ของมนุษย์...
อ่าน 1 นาทีคิวเลิร์นนิ่ง
1989 in artificial intelligenceQ -learningเป็น อัลกอริธึม การเรียนรู้แบบเสริมแรงที่ฝึกตัวแทนให้กำหนดค่าให้กับการกระทำที่เป็นไปได้โดยอิงจากสถานะ ปัจจุบัน โดยไม่จำเป็นต้องมีแบบจำลองของสภาพแวดล้อม (แบบจำลองอิสระ )
อ่าน 1 นาทีโอเพ่นไอไฟว์
2017 in artificial intelligenceOpenAI Fiveคือโปรแกรมคอมพิวเตอร์จากOpenAI ที่ใช้เล่น เกมDota 2แบบห้าต่อห้าการปรากฏตัวต่อสาธารณะครั้งแรกเกิดขึ้นในปี 2017...
อัลฟาเทนเซอร์
2022 in artificial intelligenceAlphaTensorเป็น ระบบ ปัญญาประดิษฐ์ที่พัฒนาโดยDeepMindเพื่อค้นหาอัลกอริทึมการคูณเมทริกซ์ ที่มีประสิทธิภาพ โดยใช้การเรียนรู้แบบเสริมแรงเปิดตัวในปี 2022
อ่าน 1 นาทีการเรียนรู้เสริมแรงแบบหลายเอเจนต์
Deep learningการเรียนรู้แบบเสริมแรงหลายเอเจนต์ ( MARL ) เป็นสาขาย่อยของการเรียนรู้แบบเสริมแรงโดยมุ่งเน้นที่การศึกษาพฤติกรรมของเอเจนต์การเรียนรู้หลายตัวที่อยู่ร่วมกันในสภาพแวดล้อมเดียวกันเอเจนต์...
อ่าน 1 นาทีการเพิ่มประสิทธิภาพนโยบายในระยะใกล้
2017 in artificial intelligenceการปรับนโยบายให้เหมาะสมแบบใกล้เคียง (Proximal Policy OptimizationหรือPPO ) เป็น อัลกอริธึม การเรียนรู้แบบเสริมแรง (Reinforcement Learning หรือ RL)...
อ่าน 1 นาทีสถานะ–การกระทำ–รางวัล–สถานะ–การกระทำ
1994 in artificial intelligenceSARSA ( State–action–reward–state–action ) เป็นอัลกอริธึมสำหรับการเรียนรู้ นโยบาย กระบวนการตัดสินใจแบบมาร์คอฟซึ่งใช้ใน สาขา...
อ่าน 1 นาทีเล่นเอง
Machine learning algorithmsการเล่นด้วยตนเองเป็นเทคนิคหนึ่งที่ใช้ในการพัฒนาประสิทธิภาพของ เอเจนต์ การเรียนรู้แบบเสริมแรงโดยสัญชาตญาณแล้ว เอเจนต์จะเรียนรู้ที่จะพัฒนาประสิทธิภาพของตนเองโดยการเล่น...
อ่าน 1 นาทีการเรียนรู้แบบเสริมแรง
Belief revisionในด้านการเรียนรู้ของเครื่องจักรและการควบคุมที่เหมาะสมที่สุดการเรียนรู้แบบเสริมแรง ( Reinforcement Learning : RL )...
อ่าน 1 นาทีการเรียนรู้แบบไม่ใช้โมเดล (การเรียนรู้แบบเสริมแรง)
CS1 maint: location missing publisherในการเรียนรู้แบบเสริมแรง (RL) อัลกอริทึม แบบไร้โมเดลคืออัลกอริทึมที่ไม่ประมาณการการกระจายความน่าจะเป็นของการเปลี่ยน สถานะ (และฟังก์ชันรางวัล )...
อ่าน 1 นาทีการตัดสินใจตามลำดับ
Machine learning stubsการตัดสินใจแบบลำดับเป็นแนวคิดในทฤษฎีการควบคุมและการวิจัยการดำเนินงานซึ่งเกี่ยวข้องกับการตัดสินใจหลายครั้งในช่วงเวลาหนึ่งเพื่อเพิ่มประสิทธิภาพฟังก์ชันเป้าหมายเช่น...
อ่าน 1 นาทีวิธีการไล่ระดับนโยบาย
Machine learning algorithmsวิธีการไล่ระดับนโยบายเป็นกลุ่มของ อัลกอริธึม การเรียนรู้แบบเสริมแรงและเป็นกลุ่มย่อยของวิธีการเพิ่มประสิทธิภาพนโยบาย แตกต่างจากวิธีการตามค่าซึ่งเรียนรู้ฟังก์ชันค่าเพื่อสร้างนโยบาย