強化学習は - 機械学習のアイデアや設定Xiaojia紫を破壊します

この時点で環境に基づいて適切な処置を行うためにsituation--我々の必要があり、その目的は、所望の目的を達成することです。

状況がこのように表現することができます。

以下のために（;; ITER ++！ITER = END ITERは、START = 時間の＃一定期間）を
      F（観察）＃は、環境に応じて、現時点では観測され、適切な行動を取ります

f（x）が「特定の行動を採用し、」マップに「今、観測環境」からの時間です。

解決すべき問題がある：最高のF（X）を見つける - 「最高」の手段は最速の目標を聞かせて。

そして、人々はこれを探求し始め、機械が能力を持っているように、この問題を解決するためのアルゴリズムを使用してみてください。呼ばれる強化学習（強化学習）。

 （つづきます）