Reinforcement learning (pemelajaran mesin)

Bagian dari seri
Pemelajaran mesin dan Penggalian Data
Paradigma Pemelajaran terawasi Pemelajaran tak terawasi Pemelajaran mesin daring Pemelajaran mesin luring Meta-learning Pemelajaran semi terawasi Pemelajaran terawasi mandiri Reinforcement learning Pemelajaran berbasis aturan Pemelajaran mesin kuantum
Masalah Klasifikasi Model generatif Regresi Kluster Reduksi dimensi Estimasi densitas Deteksi anomali Pembersihan data AutoML Aturan asosiasi Analisis semantik Rekayasa fitur Pemelajaran fitur
Pemelajaran diawasi (Klasifikasi • Regresi) Pohon keputusan Pemelajaran ensambel Bagging boosting Random forest k-NN Regresi linear Naive Bayes Jaringan saraf tiruan Regresi logistik Perseptron Support vector machine (SVM)
Klustering BIRCH CURE Hierarki k-means Fuzi
Reduksi dimensionalitas AKU
Jaringan saraf tiruan Pemelajaran dalam Jaringan saraf konvolusional
Diagnostik model Kurva belajar
l b s

Reinforcement learning (RL) adalah suatu bidang interdisipliner dalam pemelajaran mesin dan kontrol optimal yang berkaitan dengan bagaimana suatu agen cerdas dapat mengambil aksi di lingkungan yang dinamis dalam rangka untuk memaksimalkan penghargaan kumulatif. Reinforcement learning adalah salah satu dari tiga paradigma utama dalam pemelajaran mesin, di samping pemelajaran terawasi dan pemelajaran tak terawasi.

Reinforcement learning berbeda dengan pemelajaran yang terawasi dari dua sisi, yaitu tidak memerlukan penyajian pasangan masukan-keluaran yang telah dilabeli dan tidak memerlukan pengoreksian secara eksplisit untuk aksi yang kurang optimal. Fokus RL adalah untuk menemukan keseimbangan antara eksplorasi (wilayah yang belum dipetakan) dan eksploitasi (pengetahuan saat ini).^[1]

Lingkungan (environment) RL biasanya dinyatakan dalam bentuk proses keputusan Markov (Markov Decision Proses (MDP)) karena banyaknya algoritma RL yang dalam konteks ini menggunakan teknik pemrograman dinamis.^[2] Namun, terdapat perbedaan utama antara RL dengan pemrograman dinamis, yaitu RL tidak memerlukan pengetahuan (knowledge) eksak dari model matematis dari MDP, melainkan RL ini menargetkan MDP yang besar dan kompleks yang untuk mendapatkan model yang eksak menjadi sulit atau tidak mungkin dilakukan.^[3]

Referensi

Sumber

• Sutton, Richard S.; Barto, Andrew G. (2018). Reinforcement Learning: An Introduction (edisi ke-2nd). MIT Press. ISBN 978-0-262-03924-6.  Parameter |orig-date= yang tidak diketahui akan diabaikan (bantuan)
• Li, Shengbo Eben (2023). Reinforcement Learning for Sequential Decision and Optimal Control (edisi ke-1st). Springer Verlag, Singapore. ISBN 978-9-811-97783-1. 
• Bertsekas, Dimitri P. (2023). REINFORCEMENT LEARNING AND OPTIMAL CONTROL (edisi ke-1st). Athena Scientific. ISBN 978-1-886-52939-7.  Parameter |orig-date= yang tidak diketahui akan diabaikan (bantuan)

Bacaan lanjutan

• Annaswamy, Anuradha M. (3 May 2023). "Adaptive Control and Intersections with Reinforcement Learning". Annual Review of Control, Robotics, and Autonomous Systems (dalam bahasa Inggris). 6 (1): 65–93. doi:10.1146/annurev-control-062922-090153 . ISSN 2573-5144.  Parameter |s2cid= yang tidak diketahui akan diabaikan (bantuan)
• Auer, Peter; Jaksch, Thomas; Ortner, Ronald (2010). "Near-optimal regret bounds for reinforcement learning". Journal of Machine Learning Research. 11: 1563–1600. 
• Busoniu, Lucian; Babuska, Robert; De Schutter, Bart; Ernst, Damien (2010). Reinforcement Learning and Dynamic Programming using Function Approximators. Taylor & Francis CRC Press. ISBN 978-1-4398-2108-4. 
• François-Lavet, Vincent; Henderson, Peter; Islam, Riashat; Bellemare, Marc G.; Pineau, Joelle (2018). "An Introduction to Deep Reinforcement Learning". Foundations and Trends in Machine Learning. 11 (3–4): 219–354. arXiv:1811.12560 . Bibcode:2018arXiv181112560F. doi:10.1561/2200000071.  Parameter |s2cid= yang tidak diketahui akan diabaikan (bantuan)
• Powell, Warren (2011). Approximate dynamic programming: solving the curses of dimensionality. Wiley-Interscience. Diarsipkan dari versi asli tanggal 2016-07-31. Diakses tanggal 2010-09-08.  Parameter |url-status= yang tidak diketahui akan diabaikan (bantuan)
• Sutton, Richard S. (1988). "Learning to predict by the method of temporal differences". Machine Learning. 3: 9–44. doi:10.1007/BF00115009 . 
• Szita, Istvan; Szepesvari, Csaba (2010). "Model-based Reinforcement Learning with Nearly Tight Exploration Complexity Bounds" (PDF). ICML 2010. Omnipress. hlm. 1031–1038. Diarsipkan dari versi asli (PDF) tanggal 2010-07-14.  Parameter |url-status= yang tidak diketahui akan diabaikan (bantuan)

Pranala eksternal

• Repositori Reinforcement Learning
• Reinforcement Learning dan Kecerdasan buatan (RLAI, laboratorium Rich Sutton di Universitas Alberta)
• Laboratorium Pemelajaran otonom (ALL, Laboratorium Andrew Barto di Universitas Massachusetts Amherst)
• Eksperimen RL dunia nyata Diarsipkan 2018-10-08 di Wayback Machine. di Delft University of Technology
• Kuliah Andrew NG di Universitas Standord terkait RL
• Membedah RL Rangkaian posting blog tentang RL dengan kode Python
• Mengintip (Lebih Jauh) ke dalam RL

Templat:Komputasi terdeferensialkan