한국어에서 강화 학습 을 사용하는 예와 영어로 번역
{-}
-
Colloquial
-
Ecclesiastic
-
Ecclesiastic
-
Programming
-
Computer
강화 학습.
지금까지 많은 강화 학습 알고리즘이 개발되었다.
Many reinforcement learning training algorithms have been developed to date.강화 학습 및 메모리.
Enhance learning and memory.정책 그라데이션은 강화 학습 문제를 해결하기위한 접근 방식입니다.
Policy gradient is an approach to solve reinforcement learning problems.강화 학습의 목표는 좋은 정책을 만드는 것입니다.
The goal of reinforcement learning is to produce a good policy.그 결과로 연구자들은 강화 학습의 특별한 경우들을 연구해왔습니다.
As a result, researchers have studied a number of special cases of reinforcement learning problems.강화 학습 에이전트의 목표는 가능한 한 많은 보상을 수집하는 것입니다.
The aim of a reinforcement learning agent is to collect as much reward as possible.세부 사항에 들어가기 전에, 강화 학습의 몇 가지 중요한 개념을 정의해야 합니다.
Before we get into the details, let's define a few important notions in reinforcement learning.OpenAI 5는 깊이 의해 제공 강화 학습, 우리는 그것을 재생 하는 방법을 코드 하지 않았다 하는 것을 의미 합니다.
OpenAI Five is powered by deep reinforce learning, which means we didn't code it how to play.AWS DeepRacer는 흥미롭고 재미있는 방식으로 RL(강화 학습)을 시작할 수 있게 해줍니다.
AWS DeepRacer gives you an interesting and fun way to get started with reinforcement learning(RL).그것은 강화 학습과 밀접하게 관련되어 있으며, 가치 반복 및 관련 방법으로 해결할 수 있습니다.
It is closely related to Reinforcement learning, and can be solved with value iteration and related methods.이 문서의 끝으로 당신은 강화 학습과 그 실제 구현의 철저한 이해를해야합니다.
By the end 강화 학습의 목표는 에이전트가 최적의 보상을 얻을 수있는 최적의 행동 전략을 찾는 것입니다.
The goal of reinforcement learning is to find an optimal behavior strategy for the agent to obtain optimal rewards.이전 두 블로그 항목에는 강화 학습 알고리즘의 개발을 주도하는 게임이 있다는 것을 암시했습니다.
Our two previous blog entries implied that there is a role games can play in driving the development of Reinforcement Learning algorithms.강화 학습 (RL)은 보상을 극대화하는 방식으로 세상에서 행동하는 방법을 에이전트를 가르치기위한 프레임 워크입니다.
Reinforcement learning(RL) is a framework for teaching an agent how to act in the world in a way that maximizes reward.AWS DeepRacer는 흥미롭고 재미있는 방식으로 RL(강화 학습)을 시작할 수 있는 1/18 비율의 경주용 자동차입니다.
AWS DeepRacer is a 1/18th scale race car which gives you an interesting, fun way to get started with reinforcement learning(RL).강화 학습 문제를 해결하는 방법을 이해하기 위해, 강화 학습 문제의 고전적인 예를 통해 가자 - 멀티 무장 산적 문제.
To understand how to solve a reinforcement learning problem, let's go through a classic example of reinforcement learning problem- Multi-Armed Bandit Problem.기존에 작성한 두 개의 블로그 게시물에서 게임이 강화 학습 알고리즘 개발을 진전시키는데 수행할 수 있는 역할이 있다고 언급했었습니다.
Our two previous blog entries implied that there is a role games can play in driving the development of Reinforcement Learning algorithms.Amazon SageMaker에서는 이제 개발자 및 데이터 과학자가 Amazon SageMaker RL을 통해 대규모로 신속하고 쉽게 강화 학습 모델을 개발할 수 있도록 지원합니다.
Amazon SageMaker now enables developers and data scientists to quickly and easily develop reinforcement learning models at scale with Amazon SageMaker RL.강화 학습과 관련된 몇 가지 중요한 용어는 이 용어는 다양한 강화 학습 알고리즘 모범에 대한 소개에 대한 Steeve Huang의 게시물에서 가져온 것입니다.
Some important terms related to reinforcement learning are These terms are taken from Steeve Huang's post on Introduction to Various Reinforcement Learning Algorithms.본질적으로 장애물 타워 챌린지 (Infrastructure Tower Challenge)가 시작됨에 따라 우리는 새로운 인공 지능 연구를 촉진하고 강화 학습 분야를 더욱 활성화 할 수 있기를 바랍니다.".
Essentially, with the launch 반대로 강화 학습 시스템은 원칙적으로 인간의 능력을 뛰어 넘을 수 있는 경험과 인력이 부족한 영역에서 활동하도록 훈련 받았습니다. ”.
By contrast, reinforcement learning systems are trained from their own experience, in principle allowing them to exceed human capabilities and to operate in domains where human expertise is lacking.".그리고 우리는 그것에 대해 더 많이 이야기 할 것입니다 음, 우리는별로 이야기하지 않을거야 멀티 에이전트 강화 학습 시스템 그러나 그것은 또한 매우 중요한 경우입니다, 게임 이론 측면에 대해서도 생각할 것입니다.
Um, we won't talk very much about multi agent reinforcement learning systems but that's also a really important case, as well as thinking about game theoretic aspects.딥마인드 측에 따르면 알파제로 신경망에 필요한 강화 학습의 양은 게임의 스타일과 복잡성에 따라 달라지지만 여러 TPU에서 실행할 때 대략 체스는 9시간, 장기는 12시간, 바둑은 13일이다.
According to DeepMind, the amount of reinforcement learning training the AlphaZero neural network needs depends on the style and complexity of the game, taking roughly nine hours for chess, 12 hours for shogi, and 13 days for Go, running on multiple TPUs.이 두 가지 도전 과제 영역은 두 가지 중요한 기계 학습 접근법 (분류 및 강화 학습)과 DoD(정보 분석 및 자율 시스템)에 대한 문제 영역의 교차점을 나타내기 위해 선택됐다.
These two challenge problem areas were chosen to represent the intersection of two important machine 완전 온라인, 국제 기술 관리 강화 학습 (MTEL) 대학원 프로그램은 취업을 중단하지 않고 학위를 취득하고자하는 근로 성인을 위해 특별히 설계되었으며 기술 향상 학습 (TEL)에서 전문 기술과 역량을 강화하고자합니다.
Online, and international Management of Technology Enhanced Learning(MTEL) graduate program has been designed specifically for working adults who want to complete their degree without interrupting their careers and who aspire to 우리는 강화 학습 및 진화 알고리즘을 모두 활용하여 신경망 아키텍처를 설계하는 새로운 접근 방식을 개발했는데, 이 작업을 ImageNet 분류 및 감지에 대한 최첨단 결과물로 확장하고 새로운 최적화 알고리즘과 효과적인 활성화 기능을 자동으로 학습하는 방법도 보여주었습니다.
We developed new approaches for designing neural network architecturesusing both reinforcement learning and evolutionary algorithms, scaled this work to state-of-the-art results on ImageNet classification and detection, and also showed how to Reward function \(R\)은 강화학습에서 매우 중요한 요소이다.
The reward function R is critically important in reinforcement learning.강화학습(Deep Deterministic Policy Gradient)을 통한 신호 운영 최적화 알고리즘 개발.
Development of signal operation optimization algorithm using reinforcement learning(Deep Deterministic Policy Gradient).강화학습의 목적은 optimal reward를 얻기 위해서 agent에게 optimal한 behavior strategy를 찾는데 있다.
The goal of reinforcement learning is to find an optimal behavior strategy for the agent to obtain optimal rewards.
