Обучение с подкреплением (RL) — это отрасль машинного обучения, которая фокусируется на обучении агентов принимать решения в среде для достижения цели или максимизации некоторого понятия совокупного вознаграждения. В этой статье мы рассмотрим основы обучения с подкреплением, сосредоточившись на простом примере, в котором используется метод Q-обучения с поиском по таблице. В примере демонстрируется агент, который учится находить сокровища в одномерном мире. Теория Ключевые..