1.0라이브스마트https://atmokpo.com/wroothttps://atmokpo.com/w/author/root/41. 환경 확장 및 전이 학습 적용 사례, 기존 환경을 확장하는 방법 - 라이브스마트rich600338<blockquote class="wp-embedded-content" data-secret="7UvjSBeqOF"><a href="https://atmokpo.com/w/40476/">41. 환경 확장 및 전이 학습 적용 사례, 기존 환경을 확장하는 방법</a></blockquote><iframe sandbox="allow-scripts" security="restricted" src="https://atmokpo.com/w/40476/embed/#?secret=7UvjSBeqOF" width="600" height="338" title="“41. 환경 확장 및 전이 학습 적용 사례, 기존 환경을 확장하는 방법” — 라이브스마트" data-secret="7UvjSBeqOF" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"></iframe><script>
/*! This file is auto-generated */
!function(d,l){"use strict";l.querySelector&&d.addEventListener&&"undefined"!=typeof URL&&(d.wp=d.wp||{},d.wp.receiveEmbedMessage||(d.wp.receiveEmbedMessage=function(e){var t=e.data;if((t||t.secret||t.message||t.value)&&!/[^a-zA-Z0-9]/.test(t.secret)){for(var s,r,n,a=l.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),o=l.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),c=new RegExp("^https?:$","i"),i=0;i<o.length;i++)o[i].style.display="none";for(i=0;i<a.length;i++)s=a[i],e.source===s.contentWindow&&(s.removeAttribute("style"),"height"===t.message?(1e3<(r=parseInt(t.value,10))?r=1e3:~~r<200&&(r=200),s.height=r):"link"===t.message&&(r=new URL(s.getAttribute("src")),n=new URL(t.value),c.test(n.protocol))&&n.host===r.host&&l.activeElement===s&&(d.top.location.href=t.value))}},d.addEventListener("message",d.wp.receiveEmbedMessage,!1),l.addEventListener("DOMContentLoaded",function(){for(var e,t,s=l.querySelectorAll("iframe.wp-embedded-content"),r=0;r<s.length;r++)(t=(e=s[r]).getAttribute("data-secret"))||(t=Math.random().toString(36).substring(2,12),e.src+="#?secret="+t,e.setAttribute("data-secret",t)),e.contentWindow.postMessage({message:"ready",secret:t},"*")},!1)))}(window,document);
//# sourceURL=https://atmokpo.com/w/wp-includes/js/wp-embed.min.js
</script>
강화학습(Reinforcement Learning, RL)은 에이전트가 특정 환경에서 상을 극대화하기 위해 학습하는 방법론입니다. 기본적으로 RL은 에이전트가 주어진 환경(state)에서 행동(action)을 선택하고, 그 결과로 보상(reward)을 받으며 학습이 진행됩니다. 이 과정에서 에이전트는 환경에 대한 이해와 행동에 대한 최적 전략을 개발하게 됩니다. 그러나 강화학습의 적용 분야가 확대됨에 따라 환경을 어떻게 확장할 것인지, 그리고 전이 학습을 통해 이전 학습 경험을 어떻게 활용할 … 더 보기 ""