« Fonction de récompense » : différence entre les versions
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
Aucun résumé des modifications |
||
| Ligne 6 : | Ligne 6 : | ||
== Compléments == | == Compléments == | ||
La fonction de de récompense a généralement un impact significatif sur les résultats d'un [[apprentissage par renforcement]] dont le but est de maximiser les récompenses et prédire les meilleures actions possibles dans une situation spécifique. | La fonction de de récompense a généralement un impact significatif sur les résultats d'un [[apprentissage par renforcement]] dont le but est de maximiser les récompenses et prédire les meilleures actions possibles dans une situation spécifique. | ||
'''Robotique''' - La fonction de récompense définit l'objectif d'apprentissage pour un agent d'apprentissage par renforcement : elle assigne un signal de récompense scalaire r(s, a, s') à chaque transition (état, action, état suivant), indiquant à l'agent la qualité de ses actions. | |||
La conception de la fonction de récompense est l'une des parties les plus difficiles de l'application du RL à la robotique | |||
==Français== | ==Français== | ||
| Ligne 21 : | Ligne 25 : | ||
[https://en.wikipedia.org/wiki/Reinforcement_learning Source: ''Reinforcement learning'', Wikipedia] | [https://en.wikipedia.org/wiki/Reinforcement_learning Source: ''Reinforcement learning'', Wikipedia] | ||
[https://www.roboticscenter.ai/fr/glossary Source : Robotic Center] | |||
{{Modèle:Robotique}} | |||
[[Catégorie:Robotique]] | |||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
Dernière version du 24 septembre 2026 à 21:29
Définition
En apprentissage par renforcement, pour une action particulière d'un agent, une fonction de récompense détermine la magnitude de la récompense ou de la pénalité qu'il reçoit en retour de cette action.
En recherche heuristique, une fonction de récompense peut être définie comme l'évaluation d'un état particulier. Par exemple, l'évaluation du résultat d'un coup aux échecs.
Compléments
La fonction de de récompense a généralement un impact significatif sur les résultats d'un apprentissage par renforcement dont le but est de maximiser les récompenses et prédire les meilleures actions possibles dans une situation spécifique.
Robotique - La fonction de récompense définit l'objectif d'apprentissage pour un agent d'apprentissage par renforcement : elle assigne un signal de récompense scalaire r(s, a, s') à chaque transition (état, action, état suivant), indiquant à l'agent la qualité de ses actions.
La conception de la fonction de récompense est l'une des parties les plus difficiles de l'application du RL à la robotique
Français
fonction de récompense
Anglais
reward function
Sources
Source: Reinforcement learning, Wikipedia
Contributeurs: Claude Coulombe, wiki
