reinforcement learning (RL)

Reinforcement Learning (RL) ist eines von drei Verfahren für maschinelles Lernen. Die anderen beiden Verfahren sind Supervised Learning und Unsupervised Learning. Anders als bei den beiden anderen Verfahren geht es beim Reinforcement Learning, dem bestärkenden Lernen, um die Bewertung von Reraktionen. Richtige Reaktionen werden positiv, falsche hingegen negativ bewertet.

Übertragen auf die Bilderkennung erfolgt dann eine positive Bewertung, wenn das Reinforcement Learning ein Objekt richtig erkennt hat und diesen zuordnen kann. Erkennt das System beispielsweise in einer Obstschale richtigerweise einen Apfel, dann wird dies positiv bewertet. Wie bei den anderen beiden Verfahren geht es auch beim Reinforcement Learning um einen Lernprozess. Bei diesem Lernprozess ermittelt ein Agent die Umgebung, auf die er mit einer positiven oder negativen Aktion reagiert. Abhängig davon, wie die Umgebung auf die Reaktion reagiert, fließt diese in die zukünftigen Entscheidungen ein. Bei positiver Bewertung findet ein Reinforcement statt, wobei der Entscheidungsprozess bestärkt wird, bei negativer Bewertung werden sich zukünftige Entscheidungen ändern.

Die Algorithmen für das Reinforcement Learning erfolgen im Markov-Prozess unter Berücksichtigung der Umgebung und Aktionen.

Informationen zum Artikel
Deutsch:
Englisch: reinforcement learning - RL
Veröffentlicht: 03.05.2019
Wörter: 179
Tags: IT-Anwendungen
Links: Rückflussdämpfung, Bilderkennung, Objekt, System, Agent
Übersetzung: EN
Sharing: