সত্তা › কৃত্রিম সিস্টেম

গভীর রিইনফোর্সমেন্ট লার্নিং এজেন্ট

ভুল-শুদ্ধ চেষ্টার মাধ্যমে পুরস্কার-সংকেত সর্বাধিক করতে প্রশিক্ষিত নিউরাল নেটওয়ার্ক। তারা কোনো পরিবেশের সঙ্গে মিথস্ক্রিয়া করে একটি নীতি বা মান-ফাংশন শেখে, প্রায়ই একটি সিমুলেটেড পরিবেশে, যেমন কোনো খেলা।

ভুল-শুদ্ধ চেষ্টার মাধ্যমে পুরস্কার-সংকেত সর্বাধিক করতে প্রশিক্ষিত নিউরাল নেটওয়ার্ক। তারা কোনো পরিবেশের সঙ্গে মিথস্ক্রিয়া করে একটি নীতি বা মান-ফাংশন শেখে, প্রায়ই একটি সিমুলেটেড পরিবেশে, যেমন কোনো খেলা। সংকীর্ণ কাজে তারা মানুষের চেয়েও বেশি দক্ষতায় পৌঁছাতে পারে, কিন্তু তারা একটিমাত্র পুরস্কার-লক্ষ্যের জন্য সুরবাঁধা।

সূত্র

• Mnih V, Kavukcuoglu K, Silver D, Rusu AA, et al. (2015) Human-level control through deep reinforcement learning. Nature 518(7540):529-533. doi:10.1038/nature14236.
• Silver D et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature 529:484-489. doi:10.1038/nature16961.

প্রকাশিত মানদণ্ডের বিপরীতে এটি যাচাই করুন