Redigerer Forsterkende læring (avsnitt)

==Veiledet læring ==
[[Veiledet læring]] (også kjent som ''styrt læring'') er en generell metode for å trene en funksjon som tilordner inndata til ønsket utdata, basert på kategoriserte treningsdata. Veiledet læring krever parvise eksempler på inndata til og utdata fra funksjonen som skal læres. Med andre ord, veiledet læring krever et sett med spørsmål med de riktige svarene. For eksempel, vi kjenner ikke nødvendigvis den beste måten å programmere en datamaskin til å gjenkjenne et infrarødt bilde av en tanks. Dersom vi har en stor samling av infrarøde bilder og vi vet hvorvidt hvert bilde inneholder en tanks eller ikke, så vil veiledet læring kunne se på alle eksemplene med svar og lære å gjenkjenne tankser generelt. Dette gjøres ved at algoritmen prøver seg frem og får positiv tilbakemelding dersom den gjør noe riktig. 

I mange situasjoner kjenner en ikke de riktige svarene som veiledet læring krever. Gjennom teknikker som markovske beslutningsprosesser og andre typer ikke-styrt læring kan dette omgås. Ikke-styrt forsterkende læring er et nyere og mindre utbredt forskningstema enn tradisjonell forsterkende læring, som kombinerer dynamisk programmering og veiledet læring.