Învățarea prin consolidare este un tip de tehnică de învățare automată în care un algoritm învață să ia decizii prin încercare și eroare. Algoritmul primește feedback sub formă de recompense sau pedepse pe baza acțiunilor pe care le întreprinde și folosește acest feedback pentru a afla cum să maximizeze recompensele viitoare. Este adesea folosit în aplicații în care decizia optimă nu este cunoscută dinainte sau când luarea deciziilor necesită o învățare adaptivă în timp. Învățarea prin consolidare are aplicații în domenii precum robotica, jocurile, finanțele și asistența medicală.
Data publicării: