Навчання з підкріпленням: вступ

Саттон і Барто зібрали розрізнені методи в одну дисципліну зі спільними позначеннями, задачами і теорією.

Чому це важливо

Напрям, що двадцять років існував як набір прийомів, став предметом із підручником — і тому його стало можливо викладати.

Книга вводить спільну мову: марковський процес прийняття рішень, політика, функція цінності, компроміс між дослідженням і використанням. Вона ж чесно розмежовує, що доведено, а що працює лише емпірично. Автори виклали повний текст у відкритий доступ. Друге видання 2018 року додало глибокі методи; саме за цією книгою вчилося покоління, яке зробило AlphaGo.

Відомості про подію

Дата події

1998

Дата на часовій осі

Дата події

Перевірка

Джерела зібрано автоматично · 17 вересня 2026 р.

Лінії

Теорія навчання

ID

evt-0180

Рік видання першого видання у MIT Press.

Джерела

першоджерело Reinforcement Learning: An Introduction
MIT Press · Опубліковано 1998

Пов’язані події

Раніше

Розвиває Q-навчання 1989
Q-навчання викладено як один із методів у спільній рамці.
- Reinforcement Learning: An Introduction · MIT Press
Розвиває Навчання за часовими різницями 1988
Книга зводить у систему методи, започатковані статтею про часові різниці.
- Reinforcement Learning: An Introduction · MIT Press
Розвиває Актор і критик 1983
Схему актора і критика подано як частину загальної теорії.
- Reinforcement Learning: An Introduction · MIT Press

Пізніше

Пов’язано Stanley виграє Grand Challenge 2005посилається на цей запис
Керування машиною налаштовували машинним навчанням на записах людської їзди.
Спирається на DQN грає в Atari 2013посилається на цей запис
Алгоритм є Q-навчанням, у якому таблицю замінено згортковою мережею.
- Playing Atari with Deep Reinforcement Learning · NIPS 2013 deep learning workshop
Пов’язано InstructGPT і навчання на людських оцінках 2022посилається на цей запис
Дообчення виконують навчанням з підкріпленням за винагородою, отриманою з людських оцінок.