Cheatography
https://cheatography.com
Reinforcement Learning Cheat Sheet
This is a draft cheat sheet. It is a work in progress and is not finished yet.
Terminology
Agent |
Pelaku |
Reward |
Hadiah |
Action |
Tindakan |
State |
Keadaan |
Environment |
Lingkungan |
Eksploitasi |
Aksi algoritme RL dalam menggunakan aksi sebelumnya yang mendapat reward positif. |
Ekplorasi |
Aksi algoritme RL dalam melakukan aksi berbeda untuk mencari reward positif yang lain. |
Policy |
Rules (aturan) atau strategi yang digunakan oleh agent untuk melakukan action (A) selanjutnya, berdasarkan state (S) saat ini. |
Value function (V) |
Total nilai jangka panjang yang diharapkan (expected longterm return without discount) dari state saat ini di bawah policy 𝜋. Value ini adalah kebalikan dari short-term reward (R). |
Optimal Value Function |
Sebuah fungsi yang memiliki nilai tertinggi untuk semua state dibandingkan dengan fungsi nilai lainnya. |
Optimal Policy |
Policy (kebijakan) yang memiliki fungsi nilai optimal. |
Model Environment |
Segala sesuatu yang meniru perilaku environment. Atau, secara umumnya, sebuah kesimpulan tentang bagaimana perilaku dari environment. |
Model Based RL |
Model dasar atau paling sederhana dan memiliki perencanaan terhadap tindakannya, atau dapat juga dimaknai sebagai agent mengeksploitasi informasi yang dipelajari sebelumnya untuk menyelesaikan tugasnya. |
Model Free RL |
Kebalikan dari model Model Based RL, karena agent belajar dari lingkungan melalui metode trial and error untuk memperoleh pengalamannya. |
Tipe-Tipe Environment RL:
Deterministic environment |
Stochastic environment |
Fully observable environment |
Partially observable environment |
Discrete environment |
Continuous environment |
Episodic and non-episodic environment |
Single and multi-agent environment |
|
