রিইনফোর্সমেন্ট লার্নিং কী? উদাহরণ লেখো।
⭐⭐⭐⭐পরীক্ষায় এই টপিকটি 2 নম্বরে (সংক্ষেপে) এলে ঠিক এতটুকুই লিখবে — প্রায় 77 শব্দ। (সংজ্ঞা + টেবিলের 4টি সারি)
টেবিলে 4টি সারি রাখো
কত নম্বরে কতটা লিখবে
| নম্বর | কী লিখবে | আকার |
|---|---|---|
| 1 | শুধু এক লাইনে সংজ্ঞা | 1–2 লাইন |
| 2 | সংজ্ঞা + একটি উদাহরণ | 4–5 লাইন |
| 3 | পুরো উত্তর লেখো (নিচের সম্পূর্ণ উত্তর) | 1-2 পৃষ্ঠা |
| 4 | পুরো উত্তর লেখো (নিচের সম্পূর্ণ উত্তর) | 1-2 পৃষ্ঠা |
| 5 | পুরো উত্তর লেখো (নিচের সম্পূর্ণ উত্তর) | 1-2 পৃষ্ঠা |
সংজ্ঞা
রিইনফোর্সমেন্ট লার্নিং (Reinforcement Learning) বলতে বোঝায় পুরস্কার ও শাস্তির ফল থেকে শিখে ধাপে ধাপে সেরা কৌশল খুঁজে বের করার পদ্ধতি।
উপাদান
রিইনফোর্সমেন্ট লার্নিংয়ের উপাদান
| উপাদান | কী কাজ করে | উদাহরণ |
|---|---|---|
| এজেন্ট (Agent) | যে সিদ্ধান্ত নেয় | গেম খেলা রোবট |
| পরিবেশ (Environment) | যেখানে কাজ হয় | গেমের বোর্ড বা রাস্তা |
| অ্যাকশন (Action) | এজেন্টের প্রতিটি চাল | ডানে বা বাঁয়ে সরানো |
| পুরস্কার (Reward) | ভালো চালে প্লাস, খারাপে মাইনাস | লক্ষ্যে পৌঁছালে বড় নম্বর |
| লক্ষ্য | দীর্ঘ সময়ে সর্বোচ্চ পুরস্কার | রোবটের পথ চিনে ফেলা |