DRL (Deep Reinforcement Learning)
Metodo di addestramento in cui un'intelligenza artificiale impara per tentativi, con premi e penalità, grazie a reti neurali profonde capaci di gestire situazioni complesse.
Nel Deep Reinforcement Learning, un agente osserva l'ambiente, sceglie un'azione, riceve una ricompensa e aggiorna il proprio comportamento. Le reti neurali sostituiscono tabelle esplicite e stimano valori o politiche anche quando gli stati possibili sono moltissimi. Questa combinazione ha reso possibili risultati noti nei giochi Atari, nel Go e nella robotica. Il metodo resta difficile da stabilizzare, perché ricompense mal definite possono guidare strategie indesiderate.
Storia d'uso
Origine lessicale non attestabile
Le fonti consultate confermano l'uso attuale di deep reinforcement learning, ma non individuano una pubblicazione primaria che stabilisca origine o prima attestazione autonoma.
Verifica d'uso:
- www.mdpi.com ·
Deep reinforcement learning (DRL) and large foundation models
- iaeme.in ·
Deep reinforcement learning (DRL) can achieve strong sequential decision-making performance
- www.mdpi.com ·