« Apprentissage par renforcement avec borne de confiance supérieure » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| (Une version intermédiaire par le même utilisateur non affichée) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
L'algorithme d'apprentissage par renforcement avec borne de confiance supérieure est basé sur le principe | L'algorithme d'apprentissage par renforcement avec borne de confiance supérieure est basé sur le principe d’optimisme face à l’incertitude qui consiste à utiliser une borne supérieure sur l’'''[[espérance]]''' des récompenses pour chaque action. | ||
==Français== | ==Français== | ||
| Ligne 7 : | Ligne 7 : | ||
==Anglais== | ==Anglais== | ||
'''reinforcement learning with the upper confidence bound''' | '''reinforcement learning with the upper confidence bound''' | ||
==Sources== | ==Sources== | ||
Dernière version du 18 avril 2024 à 22:37
Définition
L'algorithme d'apprentissage par renforcement avec borne de confiance supérieure est basé sur le principe d’optimisme face à l’incertitude qui consiste à utiliser une borne supérieure sur l’espérance des récompenses pour chaque action.
Français
apprentissage par renforcement avec borne de confiance supérieure
Anglais
reinforcement learning with the upper confidence bound
Sources
Contributeurs: Evan Brach, Claude Coulombe, Gérard Pelletier, Jacques Barolet, wiki
