強化学習は目標指向型の計算手法で,エージェントが不明な動的環境とやり取りすることによってタスクの実行を学習します。学習が実行されている間,学習アルゴリズムがエージェントの方策パラメーターを更新します。学習アルゴリズムの目標は,タスク実行中に受け取る長期的な報酬が最大になる最適な方策を見つけることです。

方策は,エージェントのタイプに応じて1つ以上の方策関数と価値関数で表されます。深層ニューラルネットワークを使用して,これらの表現を実装することができます。その後,强化学习工具箱™ソフトウェアを使用してこれらのネットワークに学習させることができます。

詳細については,使用深度神经网络的强化学习を参照してください。