Μια συνάρτηση ανταμοιβής είναι ο μετρητής πόντων στην ενισχυτική μάθηση — λέει ακριβώς πόσους πόντους αξίζει κάθε ενέργεια.
Φαντάσου το έτσι: Σε ένα βιντεοπαιχνίδι, κερδίζεις +10 πόντους πιάνοντας ένα νόμισμα, και χάνεις μια ζωή αγγίζοντας αγκάθια. Αυτό το σύστημα βαθμολογίας είναι η συνάρτηση ανταμοιβής — ορίζει τι είναι «καλό» και «κακό» για το παιχνίδι, και ο παίκτης (ή η τεχνητή νοημοσύνη) προσπαθεί να μεγιστοποιήσει το σκορ του.
Προεπισκόπηση — η συνέχεια του μαθήματος είναι διαθέσιμη στους εγγεγραμμένους.
Η πρόσβασή σας συνδέεται με τον λογαριασμό σας, όχι με αυτόν τον σύνδεσμο. Συνδεθείτε με το ίδιο email που χρησιμοποιήσατε στην τάξη: το μάθημά σας σας περιμένει, δεν χρειάζεται να ξαναβάλετε τον κωδικό.
ΣύνδεσηΔεν έχετε λογαριασμό; Δημιουργήστε ένανΟι πρώτες ενότητες του μαθήματος είναι σε ελεύθερη πρόσβαση. Για τη συνέχεια υπάρχουν τρεις δρόμοι: αγοράστε αυτό το μάθημα μία φορά, κάντε συνδρομή, ή εισαγάγετε τον κωδικό που δόθηκε στην τάξη.