강화학습의 기본 개념과 기계학습 패러다임 속 위치

소개

"강화학습의 기본 개념과 기계학습 패러다임 속 위치"에 대한 내용입니다.

목차

1. 서론

2. 본론
(1) 기계학습 패러다임의 분류
(2) 강화학습의 정의와 특징
(3) 강화학습의 수학적 기초
(4) 지도학습 및 비지도학습과의 비교
(5) 대표적 강화학습 알고리즘의 개관
(6) 강화학습 연구의 역사적 발전
(7) 강화학습이 다른 학문 영역에 미친 영향

3. 결론

4. 참고문헌

본문내용

인공지능 연구의 주요 성과 중 하나는 기계학습 알고리즘의 발달이다. 데이터로부터 학습하여 스스로 의사결정을 내릴 수 있는 기계는 산업과 학문의 거의 모든 영역에서 핵심적인 기술로 자리 잡았다. 이러한 기계학습은 크게 지도학습, 비지도학습, 강화학습으로 구분된다. 지도학습과 비지도학습이 주어진 데이터의 분류나 구조 파악에 초점을 둔다면, 강화학습은 에이전트가 환경과 상호작용하면서 최적의 행동 전략을 찾아가는 학습이라는 점에서 독창적인 위치를 점한다. 본 보고서는 강화학습의 기본 개념을 체계적으로 정리하고, 기계학습 패러다임 속에서 어떠한 특징을 지니는지 분석함으로써, 강화학습이 갖는 학문적·실천적 의미를 탐구하고자 한다.

참고자료

· Sutton, R. S., & Barto, A. G. [2018]. Reinforcement Learning: An Introduction. MIT Press.
· Watkins, C. J. C. H., & Dayan, P. [1992]. Q-learning. Machine Learning.
· Mnih, V. et al. [2015]. Human-level control through deep reinforcement learning. Nature.
· Silver, D. et al. [2016]. Mastering the game of Go with deep neural networks and tree search. Nature.
· 이재길. [2020]. <강화학습 이론과 응용>. 한빛아카데미.
· 김용대. [2021]. <인공지능과 강화학습>. 서울대학교 출판문화원.