Table des matières
5 relations: Algorithme acteur-critique, Apprentissage par renforcement, Apprentissage par renforcement profond, Richard Sutton, Voies dopaminergiques.
Algorithme acteur-critique
En apprentissage par renforcement, l'algorithme acteur-critique est un algorithme de difference temporelle utilisant la descente de gradients.
Voir Temporal difference learning et Algorithme acteur-critique
Apprentissage par renforcement
En intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome (robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps.
Voir Temporal difference learning et Apprentissage par renforcement
Apprentissage par renforcement profond
L'apprentissage par renforcement profond (en anglais: deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais: machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais: deep learning).
Voir Temporal difference learning et Apprentissage par renforcement profond
Richard Sutton
Richard Sutton est un informaticien canadien, enseignant en informatique à l'université de l'Alberta.
Voir Temporal difference learning et Richard Sutton
Voies dopaminergiques
Les principales voies dopaminergiques du cerveau humain. Les voies dopaminergiques, parfois appelées projections dopaminergiques, sont l'ensemble de fibres de projection dans le cerveau qui synthétisent et libèrent le neurotransmetteur dopamine.