Reinforcement learning

Không ai cho sẵn nước đi đúng. Chương trình tự thử, nhận điểm thưởng hoặc điểm phạt rồi điều chỉnh cách chơi. Đó là học tăng cường (reinforcement learning).

Ôn lạiBài 9.1Từ hành động tới một vòng tương tác

Đèn giao thông là chuỗi quyết định nối tiếp, và kết quả tốt hay xấu chỉ biết sau đó, qua mức ùn tắc. Đó đúng là kiểu bài của học tăng cường: thử, nhận thưởng hoặc phạt, rồi điều chỉnh.

Ôn lạiBài 9.1Từ hành động tới một vòng tương tácBài 9.1Vì sao nhìn thưởng một bước chưa đủ?

Với xác suất ε, tác tử chọn bừa một hành động để khám phá, còn lại thì chọn hành động tốt nhất đã biết. Không khám phá thì dễ kẹt ở một cách làm tạm được. Hệ số giảm phần thưởng tương lai là γ, tốc độ học là α.

Ôn lạiBài 9.1Q-learning: cập nhật từ một trải nghiệm