鐵人檔案
近年，AI 技術逐漸普及應用於各個產業中，其功能與重要性越發重要，深度學習(Deep learning) 不斷優化發展，以強化應用於各個領域中。
在機器學習的世界中，要如何自我嘗試錯誤，往上成長，成為勇者呢？
使用強化學習(Reinforcement Learning, RL)成為勇者，那在環境(environment)中它是如何自我嘗試錯誤(trial-and-error)？如何在環境中取得最大化的獎勵(reward)呢？
讓我們一步步成為「強化學習」的勇者吧！
增強式學習在機器學習中擔任什麼角色呢？它與深度學習又有什麼關係呢？ 增強式學習(Reinforcement Learning, RL)是一種機器學習類型，其發...
智慧(intelligence )是什麼? " To be able to learn to make decisions to achieve g...
在增強式學習中，Agent 泛指被訓練、負責學習的對象，其中，Agent 包含以下四個重要元素： Agent state (負責學習的對象的狀態)：在強化學...
在昨天我們有提到，增強式學習中有四大步驟，那今天我們就開始來逐一說明、建構各個步驟。 Environment 增強式學習(RL)允許環境初始化其內部狀態。以下方...
今天要來介紹強化學習中的一理論「馬可夫決策過程」(Markov Decision Process) 前情提要 前幾天我們有提到增強式學習的主要元素包含：獎勵(r...
