இயந்திர மொழிபெயர்ப்பு. ஆங்கிலம் மற்றும் ஹிந்தி மதிப்பாய்வு செய்யப்பட்ட பதிப்புகள்.English हिन्दी

Learn
See
Try
Make

RL சூழல் என்றால் என்ன

What this lesson is about

RL என்பது ஒரு வெகுமதி சிக்னல் மூலம் கற்றுக்கொள்வதை குறிக்கிறது. ஒரு பணியை ஒரு மாதிரி தனக்கே பயிற்சி செய்யக்கூடியதாக எப்படி மாற்றுவது மற்றும் எந்த பணிகள் பொருத்தமற்றவை என்பதைப் பாருங்கள்.

ஒரு குழு ஒரு மாதிரியை மூன்று வேலைகளை தனக்கே கற்றுக்கொள்ள விரும்புகிறது: தேதிகளை மாற்றுவது, அனுதாபக் கடிதம் எழுதுவது, வாழ்த்து தெரிவு செய்வது. நீங்கள் எதை தேர்ந்தெடுப்பீர்கள்?

Why this matters

பயிற்சி வெற்றி மதிப்பிடப்படக்கூடிய இடத்தில் மட்டுமே பயிற்சி வளர்கிறது, அதாவது ஒவ்வொரு முயற்சியையும் நபர் படிக்காமல் மதிப்பிட முடியும்.

ஒரு பணி மாதிரி தனக்கே இயக்கும் பயிற்சியாக மாற்றக்கூடியதா என்பதை மற்றும் ஏன் என்பதை கூறுங்கள்.

ஒரு பணி பயிற்சி செய்யக்கூடியது என்றால், ஒரு விதி அதை நபர் இல்லாமல் மதிப்பிட முடியும்.
பணியை பயிற்சி என்று அழைக்கும் முன் வெற்றி சோதனையை எழுதுங்கள்.
தானாக இயங்கும் சோதனை பார்க்க முடியாததை பெயரிடுங்கள்.

Task

மூன்று சாத்தியமான பணிகள்: ஒரு தேதியை மாற்றுவது, அனுதாப செய்தி, மரியாதையான வணக்கம்.

Weak approach மூன்று பணிகளையும் வாசித்து, எது பயனர்களுக்கு அதிக உதவியாக இருக்கும் என்று கேட்கிறது. இரக்கத்துடன் கூடிய செய்தியை தேர்ந்தெடுத்து அதற்கான ஒரு சுருக்கமான திட்டத்தை எழுதுகிறது. அந்த செய்திகளுக்கு மதிப்பெண் தரும் விதி எதுவும் எழுதப்படவில்லை, ஆகவே வாசிப்பவர் இல்லாமல் பயிற்சி செய்ய முடியாது.

Stronger approach தேதி பணியை தேர்வு செய்து, ஒப்பிடும் சரியான விதியை எழுதுகிறது மற்றும் அந்த விதி மொழி சுருக்கத்தைப் பற்றி எதுவும் கூறாது என்று குறிப்பிடுகிறது.

Why the stronger approach works முக்கியமானது என்பது ஒரு பணியை பயிற்சி செய்யக்கூடியதாக மாற்றாது. மலிவான சோதனை அதுவே செய்கிறது.

Try a changed situation இப்போது ஒரு பயிற்சி மையம் மாதிரிக்கு அல்லாமல் தனது மாணவர்களுக்கு தினசரி பயிற்சியை அமைக்க விரும்புகிறது. எந்த விதி இன்னும் பொருந்தும்?

Make something yourself உங்கள் வேலை அல்லது படிப்பில் இருந்து ஒரு பணியை தேர்ந்தெடுக்கவும். உள்ளீடு, வெற்றியை நபர் இல்லாமல் தீர்மானிக்கும் சரியான விதி மற்றும் அந்த விதி பார்க்க முடியாத ஒரு தன்மையை எழுதுங்கள்.

Read the primary or official source: Towers et al., Gymnasium: A Standard Interface for Reinforcement Learning Environments (arXiv)