Mustahkamlash bilan o’qitishga asoslangan ta’lim asoslari

Monte-Karlo usullariga asoslangan strategiyani baholash.
Holatning qiymati bu holatdan olinadigan kutilgan foyda - kutilayotgan jami kelajakdagi mukofotdir. Shunda tajribaga asoslanib foydani baholashning maqbul usuli - bu ma'lum bir holatdan o'tgandan keyin olingan foydalar qiymatlarining o'rtachasini hisoblash bo'ladi. Foyda qiymatlarini beruvchi kuzatuvlar soni ortishi bilan o'rtacha foyda kutilgan qiymatga yaqinlashishi kerak. Bu g'oya barcha Monte-Karlo usullari asosida yotadi.
Epizod tugagach, tizim o'z vazifasini qanchalik yaxshi bajarganini tushunish uchun to'plangan mukofotga qaraydi. Monte-Karlo usulida mukofotlar faqat o'yin oxirida olinadi.
Keyin, biz yangi bilimlar bilan yangi o'yinni boshlaymiz. Har safar tizim bu darajadan o’tishda yaxshiroq natija ko’rsatadi.



Adabiyot
1. Xoʻjaqulov T.A., Malikova N.T. Sun’iy intelleкt. Oʻquv qoʻllanma. – T.: “Иновацион ривожланиш нашриёт матба уйи”, 2020. - 216 bet.
2. Рассел С., Норвинг П. Искусственный интеллект: современный подход. 2-е изд.: Пер. с англ. – М.: ООО «И.Д. Вильямс», 2016. – 1408 с.
3.Николенко С., Кадурин А., Архангельская Е. Глубокое обучение.- СПб.: 2018.- 480 с.
4. Суханов А.В., Лящко З.В. Интеллектуальные информационные системы. ФГБОУ ВО РГУПС.- Ростов н/Д, 2017.-124 с.
5. Richard S.Sutton and Andrew G.Barto Reinforcement Learning: An Introduction. A Bredford Book, The MIT Press Cambride, Masschachusetts London, England, 2017. - P.445.