Jedna úplná zkušenost v posilovaném učení

Reinforcement learning episode

Epizoda v posilovaném učení je posloupnost stavů, akcí a odměn od začátku interakce do jejího ukončení.

Epizoda může končit dosažením cíle, selháním nebo limitem kroků. Agent z ní získává zkušenost o důsledcích svých akcí a používá ji při zlepšování politiky. Správná definice konce ovlivňuje výpočet návratnosti i to, jak se systém učí z přerušených běhů.