iT邦幫忙

2022 iThome 鐵人賽
DAY 16
0
AI & Data

AI系列 第 16 篇

強化學習(Reinforcement Learning)

14th鐵人賽
877 瀏覽

  • 分享至 

  • xImage
    •  

強化學習(Reinforcement Learning)
今天繼續跟大家介紹強化學習(Reinforcement Learning)。
強化學習(Reinforcement Learning)訓練的步驟主要有五個:
1.建立環境
2.定義獎勵
3.建立主體
4.訓練及驗證主體
5.策略的部屬
強化學習RL的成功範例:

南加州大學研究了一個機械模擬人腿，利用強化學習的演算法，讓他自己教導自己如何走路。
參考圖片:
https://www.terasoft.com.tw/support/tech_articles/images/0113_191530.jpg


上一篇
強化學習（Reinforcement learning，RL）
下一篇
自組織對映（SOM）
系列文
AI 共 25 篇
  1. 21
    神經網路(多層感知機 Multilayer perceptron, MLP)
  2. 22
    神經網路(多層感知機 Multilayer perceptron, MLP)
  3. 23
    神經網路(多層感知機 Multilayer perceptron, MLP)
  4. 24
    神經網路(多層感知機 Multilayer perceptron, MLP)
  5. 25
    神經網路(多層感知機 Multilayer perceptron, MLP)
完整目錄
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言
iThome鐵人賽
參賽組數
1064 組
團體組數
40 組
累計文章數
22195 篇
完賽人數
600 人
iT+看影片追技術 看影片追技術 看更多
熱門tag 看更多
15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# windows server linux css react vue.js
熱門問題
熱門回答
熱門文章
IT邦幫忙