פיתוח בינה מלאכותית עצמאית :  –

המטרה שהשחן ימנע מכל המכשולים וידע להגיע למטרה

האלגוריתם של למידת המכונה למצוא את הדרך היעליה ולא ליפול לבורות

S  התחלה

H חור המשחק ניגמר

F מקום ללכת אליו קפוא

G מטרה

בכל STATE – יש לנו אפשרות למספר  4 מצבים לבחור

המצבים הבאים נקראים סיום אפיסוד   terminal episode

actions  פעולות  לכל אחד יש מספר

action space כל הפעולות

בדוגמא שלנו יש התסברות שאני ילך למשבצת למעלה ויחבר בפעול F למעלה

ויש גם את ההסתברות שניחבר דווקא במהלך

REWARD

Reinforcement RB25-02 Q-Learning

Python Reinforcement Learning Tutorial

Python Reinforcement Learning – ATARI