Apprentissage par renforcement

En apprentissage automatique, l’apprentissage par renforcement consiste, pour un agent autonome (robot, etc.), à apprendre les actions à prendre, à partir d’expériences, de façon à optimiser une récompense quantitative au cours du temps. L’agent est plongé au sein d’un environnement, et prend ses décisions en fonction de son état courant. En retour, l’environnement procure à l’agent une récompense, qui peut être positive ou négative. L’agent cherche, au travers d’expériences itérées, un comportement décisionnel (appelé stratégie ou politique, et qui est une fonction associant à l’état courant l’action à exécuter) optimal, en ce sens qu’il maximise la somme des récompenses au cours du temps.

L’apprentissage par renforcement diffère fondamentalement de l’apprentissage supervisé et de l’apprentissage non supervisé par ce côté interactif et itératif: l’agent essaie plusieurs solutions, on parle « d’exploration », observe la réaction de l’environnement et adapte son comportement (les variables) pour trouver la meilleure stratégie. On dira qu’il « exploite » le résultat de ses explorations.

Voir apprentissage par renforcement inverse.

Français

apprentissage par renforcement n. m.

Anglais

reinforcement learning

Source: Wikipedia           

wiki.datafranca.org