Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Deep belief networkIn machine learning, a deep belief network (DBN) is a generative graphical model, or alternatively a class of deep neural network, composed of multiple layers of latent variables ("hidden units"), with connections between the layers but not between units within each layer. When trained on a set of examples without supervision, a DBN can learn to probabilistically reconstruct its inputs. The layers then act as feature detectors. After this learning step, a DBN can be further trained with supervision to perform classification.
Apprentissage par renforcementEn intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome ( robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps. L'agent est plongé au sein d'un environnement et prend ses décisions en fonction de son état courant. En retour, l'environnement procure à l'agent une récompense, qui peut être positive ou négative.
Q-learningvignette|400x400px|Dans le Q-learning, l'agent exécute une action a en fonction de l'état s et d'une fonction Q. Il perçoit alors le nouvel état s' et une récompense r de l'environnement. Il met alors à jour la fonction Q. Le nouvel état s' devient alors l'état s, et l'apprentissage continue. En intelligence artificielle, plus précisément en apprentissage automatique, le Q-learning est un algorithme d'apprentissage par renforcement. Il ne nécessite aucun modèle initial de l'environnement.
Agent biologiqueUn agent biologique est un micro-organisme (bactérie, spore de microchampignon, virus), un parasite, une culture cellulaire ou une toxine. On parle d'agent infectieux si cet agent est susceptible de provoquer une infection, une allergie ou une intoxication chez son hôte. Cet agent peut être vivant ou non (ex : les virus ne sont pas vivants, ni le prion pathogène, mais ils sont classés parmi les agents biologiques).
CerveletLe cervelet (du cerebellum, « petit cerveau ») est une structure de l'encéphale des vertébrés qui joue un rôle important dans le contrôle moteur et est impliqué, dans une moindre mesure, dans certaines fonctions cognitives, telles que l'attention, le langage et la régulation des réactions de peur et de plaisir. Le cervelet n'est généralement pas à l'origine du mouvement, il contribue à la coordination et la synchronisation des gestes, et à la précision des mouvements.
Agent intelligentEn intelligence artificielle, un agent intelligent (AI) est une entité autonome capable de percevoir son environnement grâce à des capteurs et aussi d'agir sur celui-ci via des effecteurs afin de réaliser des objectifs. Un agent intelligent peut également apprendre ou utiliser des connaissances pour pouvoir réaliser ses objectifs. Ils peuvent être simples ou complexes. Par exemple, un simple système réactif, comme le thermostat est considéré comme étant un agent intelligent.
Tissu biologiqueUn tissu en biologie est le niveau d'organisation intermédiaire entre la cellule et l'organe. Un tissu est un ensemble de cellules semblables et de même origine, regroupées en amas, réseau ou faisceau (fibre). Un tissu forme un ensemble fonctionnel, c'est-à-dire que ses cellules concourent à une même fonction. Les tissus biologiques se régénèrent régulièrement et sont assemblés entre eux pour former des organes. La science qui étudie les tissus est l'histologie. Il existe plus d'une centaine de tissus chez les animaux.
Danger biologiqueUn danger biologique (ou biohazard en anglais) est un organisme, ou une substance dérivée d'un organisme, qui représente une menace à la santé humaine. Cela inclut les déchets médicaux, des micro-organismes, virus ou toxines (d'une source biologique) qui peuvent affecter la santé humaine. Outre ces agents infectieux (avérés ou potentiels), il y a les produits ayant des effets cancérigènes, mutagènes, ou sur la Reproduction (CMR). Cela inclut aussi les substances dangereuses ou nocives aux animaux et à l'environnement.
Plasticité neuronalevignette|Effets schématiques de la neuroplasticité après entraînement Plasticité neuronale, neuroplasticité ou encore plasticité cérébrale sont des termes génériques qui décrivent les mécanismes par lesquels le cerveau est capable de se modifier lors des processus de neurogenèse dès la phase embryonnaire ou lors d'apprentissages. Elle s’exprime par la capacité du cerveau de créer, défaire ou réorganiser les réseaux de neurones et les connexions de ces neurones. Le cerveau est ainsi qualifié de « plastique » ou de « malléable ».
