Reinforcement Learning (RL) gis et system med belønning og straff. Forsterkende læring er bredere enn overvåket eller uovervåket læring for å nå et mål eller bare tjene på insentiver og straffer fra miljøkontakt.
Hvilken type belønning og straff gis som tilbakemelding?
Den første er evaluerende tilbakemelding som forsterkning, der belønning og straff brukes til å forme elevatferd gjennom forsterkende læringsmekanismer.
Hva er typene belønning og straff?
La oss nå kombinere disse fire begrepene: positiv forsterkning, negativ forsterkning, positiv straff og negativ straff (tabell 1). Noe legges til for å øke sannsynligheten for en atferd. Noe er lagt til for å redusere sannsynligheten for atferd.
Hvilken type læring er basert på tilnærming til belønning og straff?
Implisitt, uten bevisst bearbeiding, lærer enkeltpersoner om belønnings- og straffverdien til hver kontekst og aktivitet. Disse assosiative lærings-prosessene påvirker i sin tur sannsynligheten for at individer vil delta på nytt i slike aktiviteter eller oppsøke den konteksten.
Hvordan påvirker belønning og straff læring?
Samlet sett så vi liten effekt av belønning på verken læring eller oppbevaring. Straff hadde ingen effekt på oppbevaring av ferdigheter, men hadde betydelig,oppgaveavhengige effekter på læring. I SRTT-straffen forbedret hastighet med minimal innvirkning på nøyaktigheten. I motsetning til dette svekket straff ytelsen på FTT.
