Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 2
Поздравляю! Вы только что описали идею Reinforcement Learning.
А если быть точнее — его подраздел, который описывает планирование (Planning), баланс между изучением (exploration) и достижением результата (exploitation).
Например: алгоритм планирования Monte-Carlo Tree Search был использован при обучении модели AlphaGo, которая сумела обыграть человека в игре Го.
А если быть точнее — его подраздел, который описывает планирование (Planning), баланс между изучением (exploration) и достижением результата (exploitation).
Например: алгоритм планирования Monte-Carlo Tree Search был использован при обучении модели AlphaGo, которая сумела обыграть человека в игре Го.
Эмм, по-моему вы только что придумали игру
Джона Конвеея под названием "Жизнь".
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Баланс в принятии решений. Развилка «рандом-опыт»