Zusammenfassung
Alle bisher beschriebenen Lernverfahren arbeiten mit Lehrer. Sie gehören also zur Klasse des Supervised Learning. Beim Lernen mit Lehrer soll der Agent anhand von Trainingsdaten eine Abbildung der Eingabevariablen auf die Ausgabevariablen lernen. Wichtig ist hierbei, dass für jedes einzelne Trainingsbeispiel sowohl alle Werte der Eingabevariablen als auch alle Werte der Ausgabevariablen vorgegeben sind. Man braucht eben einen Lehrer, beziehungsweise eine Datenbank, in der die zu lernende Abbildung für genügend viele Eingabewerte näherungsweise definiert ist. Einzige Aufgabe des maschinellen Lernverfahrens ist es, das Rauschen aus den Daten herauszufiltern und eine Funktion zu finden, die auch zwischen den gegebenen Datenpunkten die gesuchte Abbildung gut approximiert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Rights and permissions
Copyright information
© 2009 Vieweg+Teubner | GWV Fachverlage GmbH
About this chapter
Cite this chapter
Ertel, W. (2009). Lernen durch Verstärkung (Reinforcement Learning). In: Grundkurs Künstliche Intelligenz. Vieweg+Teubner. https://doi.org/10.1007/978-3-8348-9989-7_10
Download citation
DOI: https://doi.org/10.1007/978-3-8348-9989-7_10
Publisher Name: Vieweg+Teubner
Print ISBN: 978-3-8348-0783-0
Online ISBN: 978-3-8348-9989-7
eBook Packages: Computer Science and Engineering (German Language)