---
title: "গভীর রিইনফোর্সমেন্ট লার্নিং এজেন্ট · Artificial systems · সত্তা · সিমুলেশন অনুকল্প"
url: https://simulation-hypothesis.com/bn/entities/ai-drl
description: "ভুল-শুদ্ধ চেষ্টার মাধ্যমে পুরস্কার-সংকেত সর্বাধিক করতে প্রশিক্ষিত নিউরাল নেটওয়ার্ক।"
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, সিমুলেশন অনুকল্প (simulation-hypothesis.com)"
---

[সত্তা](https://simulation-hypothesis.com/bn/entities) › 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