Apprentissage par Renforcement — définition ?
Agent qui apprend en expérimentant dans l’environnement.
Propriété du Processus de Décision Markovien ?
Dépend uniquement de l’état actuel.
Processus de Décision Markovien — propriété ?
Dépend uniquement de l’état et de l’action présents.
Objectif de l’agent en RL ?
Maximiser la récompense cumulée.
Méthodes model-based — définition ?
Utilisent la connaissance du modèle p et r.
Fonction de valeur — rôle ?
Estime la récompense future attendue.
Équation de Bellman — purpose?
Relie valeurs actuelles et futures.
Policy iteration — principe ?
Itère entre politique et valeur optimale.
Model-free — différence ?
Apprend sans modélisation préalable.
Teste tes connaissances avec un QCM de 8 questions sur Techniques d'Optimisation en Apprentissage par Renforcement.
1. Qu'est-ce que l'apprentissage par renforcement ?
2. Quelle définition décrit le mieux un agent dans l'apprentissage par renforcement ?
Révisez le cours complet dans la fiche de révision de Techniques d'Optimisation en Apprentissage par Renforcement.
Voir la fiche →Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards