Pembelajaran Berpenguatan: Perbedaan antara revisi

Pembelajaran berpenguatan adalah sebuah cabang dari [[pembelajaran mesin]] (machine learning) yang fokus pada bagaimana agen mengambil keputusan dalam sebuah lingkungan untuk memaksimalkan suatu nilai kumulatif. Berbeda dengan pembelajaran terawasi dan tidak terawasi, pembelajaran berpenguatan melibatkan interaksi agen dengan lingkungan melalui aksi dan menerima [[umpan balik]] berupa [[reward]] (ganjaran) atau hukuman. Konsep ini banyak diterapkan dalam berbagai bidang seperti [[robotika]], [[permainan komputer]], serta [[sistem rekomendasi]].