Reinforcement learning și învățarea supervizată
Slide-ul 6 în PDFÎnvățarea supervizată are o etichetă pentru fiecare exemplu, iar prognozele ei nu schimbă exemplul următor. În reinforcement learning, agentul vede o stare \(s_t\), alege o acțiune \(a_t\) și primește o recompensă \(r_{t+1}\); acțiunea schimbă starea următoare și nimeni nu spune care ar fi fost acțiunea corectă, ci doar ce recompensă a urmat. Stocarea, tranzacționarea, acoperirea riscului, stocurile, prețurile și limitele de credit au toate această structură. Cînd acțiunea de azi nu schimbă opțiunile de mîine, ajung o prognoză și o regulă.



NN_L10_spread_monthly











