یادگیری تقویتی (RL) سیستمی از پاداش و تنبیه داده می شود. یادگیری تقویتی گسترده تر از یادگیری نظارت شده یا بدون نظارت برای رسیدن به یک هدف یا صرفاً به دست آوردن انگیزه ها و جریمه های تماس با محیط است.
در کدام نوع از پاداش ها و مجازات ها به عنوان بازخورد داده می شود؟
اولین بازخورد ارزیابی به عنوان تقویت است که در آن از پاداش و تنبیه برای شکل دادن به رفتار یادگیرنده از طریق مکانیسم های یادگیری تقویتی استفاده می شود.
انواع پاداش و مجازات چیست؟
حالا اجازه دهید این چهار عبارت را با هم ترکیب کنیم: تقویت مثبت، تقویت منفی، تنبیه مثبت، و تنبیه منفی (جدول 1). چیزی برای افزایش احتمال یک رفتار اضافه می شود. چیزی برای کاهش احتمال یک رفتار اضافه شده است.
کدام نوع یادگیری بر اساس رویکرد پاداش و تنبیه است؟
به طور ضمنی، بدون پردازش آگاهانه، افراد در مورد ارزش پاداش و مجازات هر زمینه و فعالیت یاد می گیرند. این فرآیندهای یادگیری انجمنی، به نوبه خود، بر احتمال شرکت مجدد افراد در چنین فعالیت‌هایی یا جستجوی آن زمینه تأثیر می‌گذارند.
چگونه پاداش و تنبیه بر یادگیری تأثیر می گذارد؟
به طور کلی، ما تأثیر کمی از پاداش را بر یادگیری یا حفظ دیدیم. تنبیه تأثیری بر حفظ مهارت نداشت، اما معنی دار بود،اثرات وابسته به کار بر یادگیری در تنبیه SRTT سرعت با کمترین تأثیر بر دقت بهبود یافت. در مقابل، تنبیه عملکرد در FTT را مختل کرد.
