Reinforcement Learning (RL)

Reinforcement Learning

Türkçe: Pekiştirmeli / Takviyeli Öğrenme

Ayrıntılı Tanım

Bir etmenin (agent), dinamik bir çevre (environment) içerisinde deneme-yanılma yoluyla ödülleri maksimize edip cezaları minimize edecek en iyi davranış politikasını (policy) öğrendiği makine öğrenmesi paradigmasıdır.

Ne İşe Yarar / Çözülen Problem

Hazır bir eğitim verisi veya doğru cevap anahtarı olmayan; kararların uzun vadeli sonuçlar doğurduğu dinamik sistemlerde (robotik, oyunlar, otonom araçlar) karar almayı çözer.

Nasıl Çalışır? (Teknik & Mekanizma)

Etmen bir

S_t

durumunda

A_t

eylemini yapar; çevre buna karşılık yeni bir

S_{t+1}

durumu ve

R_{t+1}

ödülü döndürür. Amaç kümülatif iskonto edilmiş ödülü maksimize etmektir.

Örnek Senaryo & Pratik Uygulama

Bir bebeğin yürümeyi öğrenmesi: Adım attığında ayakta kalması (ödül), dengesini kaybedip düşmesi (ceza). Binlerce denemeden sonra kusursuz yürümeyi öğrenmesi.

Benzer Terimlerden Farkı

Denetimli öğrenmede etiketli veri vardır; denetimsiz öğrenmede örüntü aranır; pekiştirmeli öğrenmede ise bir çevre ile sürekli etkileşim ve geri bildirim döngüsü vardır.

İlişkili Terimler (4)

#62

Markov Decision Process (MDP)

Reinforcement Learning from Human Feedback (RLHF)