Markov Decision Process (MDP)

Markov Decision Process

Türkçe: Markov Karar Süreci

Ayrıntılı Tanım

Pekiştirmeli öğrenme problemlerini matematiksel olarak modellemek için kullanılan; geleceğin yalnızca "şu anki duruma" bağlı olduğunu, geçmiş adımlardan bağımsız olduğunu varsayan formel çerçevedir.

Ne İşe Yarar / Çözülen Problem

Bir karar vericinin rastlantısallık ve belirsizlik içeren bir dünyada optimum stratejiyi matematiksel denklemlerle formüle edebilmesini sağlar.

Nasıl Çalışır? (Teknik & Mekanizma)

5'li bir demet ile tanımlanır:

\langle S, A, P, R, \gamma \rangle

. *

S

: Durumlar uzayı *

A

: Eylemler uzayı *

P

: Geçiş olasılığı

P(s' | s, a)

R

: Ödül fonksiyonu

R(s, a)

\gamma

: İskonto faktörü (0 ile 1 arası).

Örnek Senaryo & Pratik Uygulama

Satranç tahtası: Şu anki taş dizilimi (mevcut durum), oyunun geçmiş 40 hamlede nasıl buraya geldiğinden bağımsız olarak bir sonraki en iyi hamleyi seçmek için yeterlidir (Markov özelliği).

Benzer Terimlerden Farkı

Klasik Markov zincirlerinde karar verici bir etmen ve eylem yoktur; MDP ise eylemleri ve ödülleri sisteme dahil eder.

İlişkili Terimler (3)

Reinforcement Learning (RL)

Pekiştirmeli / Takviyeli Öğrenme

#50

Hidden Markov Model (HMM)

Gizli Markov Modeli

Ait Olduğu Kategori

Klasik Makine Öğrenmesi ve İstatistiksel Kuram

Sembolik AI, GOFAI, karar ağaçları, regresyon ve temel istatistiksel modeller.

Toplam Terim:68 Madde

Bu Kategorideki Tüm Terimleri Gör →

Önceki Terim (#61)Reinforcement Learning (RL)

Sonraki Terim (#63)Bellman Equation