« Apprentissage par renforcement avec borne de confiance supérieure » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵↵<small> » par « ==Sources== ») |
||
Ligne 7 : | Ligne 7 : | ||
==Anglais== | ==Anglais== | ||
'''Reinforcement Learning with the Upper Confidence Bound''' | '''Reinforcement Learning with the Upper Confidence Bound''' | ||
==Sources== | |||
* [https://corpus.ulaval.ca/jspui/bitstream/20.500.11794/28250/1/33992.pdf Source: corpus.ulaval.ca] | * [https://corpus.ulaval.ca/jspui/bitstream/20.500.11794/28250/1/33992.pdf Source: corpus.ulaval.ca] |
Version du 27 janvier 2024 à 16:40
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