Pekiştirmeli öğrenme: ödülle öğrenmek

Etiket yok, doğru cevap yok. Sadece hedefe varınca +1, çukura düşünce −1. Ajan bunu 400 denemede tek başına çözüyor.

Kaynaklar

• Sutton, R. S. & Barto, A. G. 2018 · Reinforcement Learning: An Introduction, 2. baskı, Bölüm 6.5 · MIT Press
• Watkins, C. J. C. H. & Dayan, P. 1992 · Q-learning · Machine Learning, 8(3-4)
• Mnih, V. ve ark. 2015 · Human-level Control through Deep Reinforcement Learning · Nature, 518