Pekiştirmeli öğrenme
Sistemin bir ortamda yaptığı eylemler ve aldığı ödüller üzerinden bir eylem stratejisi geliştirdiği öğrenme yöntemi.
Sistem ödüller yoluyla nasıl öğrenir?
Pekiştirmeli öğrenmede, İngilizce adıyla Reinforcement Learning veya RL’de, sistem bir ortamda eylemler yapar ve bunlarla ilişkili ödüller alır. Buradan, policy olarak da adlandırılan bir eylem stratejisi öğrenir. Amaç, ele alınan süreç boyunca beklenen toplam ödülü mümkün olduğunca yükseltmektir. Bu nedenle ödülün tasarımı belirleyicidir: Sayısal olarak ödüllendirilen şey, işin gerçek amacına uymalıdır. Eğitilmiş stratejiyle bunun sonraki kullanımı ayrı planlanır.
Kurgusal bir simülasyonda sistem, servis ziyaretlerinin sırasını öğrenecektir. Yalnızca kısa yol için verilen ödül, kararlaştırılmış zaman aralıklarını kendiliğinden dikkate almaz. Ekip bu yüzden izinli eylemleri, bağlayıcı planlama kurallarını ve uygun değerlendirme senaryolarını belirler. Kısa yolun, atanmış bütün ziyaretlerin zamanında tamamlanmasıyla çatıştığı durumları da inceler. Simülasyonda yüksek puan tek başına uygun bir saha planını kanıtlamaz. Uygulamadan önce gerçek koşullar ve sapmaların nasıl ele alınacağı ayrıca değerlendirilir.
Kaynaklar
İlgili terimler
- Makine öğrenmesiModellerin veriden örüntü öğrenip yeni girdilerde kullanması.
- YZ çıkarımıSonuç almak için önceden eğitilmiş modeli girdilere uygulamak.
- LLM değerlendirmesiLLM değerlendirmesi, model sonuçlarını tanımlı görev ve ölçütlerle sınar. Başarılı tek örnek, genel kaliteyi kanıtlamaz.
- Gözetimli öğrenmeEğitim örneklerinde girdilerle bunlara karşılık gelen hedef değerleri veya sınıfları birlikte kullanan öğrenme yöntemi.
- Gözetimsiz öğrenmeİlgili eğitim görevi için önceden verilmiş hedef yanıtlar olmadan veride örüntü arayan öğrenme yöntemi.
- Yeniden sıralamaYeniden sıralama, aramada bulunan adayları tekrar değerlendirir. Soruya uygunluk ve ilk aday seçiminin sınırları birlikte önem taşır.
Projeniz ASES ile
Projenizi bize anlatın. İlk değerlendirmemizle size dönelim.