Även om det ursprungligen föreslogs som en form av generativ modell för oövervakat lärande, har GAN:er också visat sig vara användbara för semi-övervakat lärande, fullt övervakat lärande och förstärkning inlärning.
Vad är ett exempel på förstärkningsinlärning?
Exemplet på förstärkningsinlärning är din katt är en agent som är exponerad för miljön. Det största kännetecknet för denna metod är att det inte finns någon handledare, bara ett reellt tal eller belöningssignal. Två typer av förstärkningsinlärning är 1) Positiv 2) Negativ.
Vilken typ av lärande är förstärkningsinlärning?
Reinforcement learning är en träningsmetod för maskininlärning baserat på att belöna önskade beteenden och/eller straffa oönskade. I allmänhet kan en förstärkningsinlärningsagent uppfatta och tolka sin omgivning, vidta åtgärder och lära sig genom försök och misstag.
Används förstärkningsinlärning i spel?
Reinforcement learning används flitigt inom området för maskininlärning och kan ses i metoder som Q-learning, policysökning, Deep Q-networks och andra. Den har sett starka prestationer inom både spel och robotik.
Är GAN djupinlärning?
Generative Adversarial Networks, eller GANs, är en djupinlärningsbaserad generativ modell. Mer generellt är GAN en modellarkitektur för att träna en generativ modell, och det är vanligast att använda djupinlärningsmodeller idenna arkitektur.