Учене с подсилване (RL) получава система от награди и наказания. Ученето с подсилване е по-широко от наблюдаваното или неконтролирано учене за постигане на цел или просто за печалба от стимули и наказания от контакт с околната среда.
В кой тип награди и наказания се дават като обратна връзка?
Първата е оценителна обратна връзка като подкрепление, където наградите и наказанията се използват за оформяне на поведението на обучаемия чрез механизми за учене с подсилване.
Какви са видовете награда и наказание?
Сега нека комбинираме тези четири термина: положително подкрепление, отрицателно подкрепление, положително наказание и отрицателно наказание (Таблица 1). Добавя се нещо, за да се увеличи вероятността от поведение. Добавено е нещо за намаляване на вероятността от поведение.
Кой тип обучение се основава на подход за възнаграждение и наказание?
Имплицитно, без съзнателно обработване, хората научават за стойността на наградата и наказанието на всеки контекст и дейност. Тези асоциативно обучение процеси от своя страна влияят на вероятността хората да се ангажират отново с подобни дейности или да търсят този контекст.
Как възнаграждението и наказанието влияят на ученето?
Като цяло видяхме малък ефект от възнаграждението върху ученето или задържането. Наказанието не оказва влияние върху запазването на уменията, но има значителен,зависими от задачата ефекти върху ученето. В наказанието SRTT подобрена скорост с минимално влияние върху точността. За разлика от това, наказанието влоши изпълнението на ДФТ.
