bluemsi/2nd
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

Browse Source
This commit is contained in:
Antigravity Agent
2026-05-02 09:18:34 +09:00
parent c84dcb8371
commit 6445fcc05b
13150 changed files with 55394 additions and 100862 deletions
Download Patch File Download Diff File Expand all files Collapse all files
10_Wiki/Topics_GD/Conditioning and Learning ( ).md
+4 -4
View File
@@ -1,8 +1,8 @@
---
id: [[P-Reinforce]]-SCI-CONDITIONING
id: [[P-Reinforce|P-Reinforce]]-SCI-CONDITIONING
category: "10_Wiki/💡 Topics/Science"
confidence_score: 0.97
tags: [Conditioning, [[Behavior]]al Science, Learning, [[Psychology]]]
tags: [Conditioning, [[Behavior|Behavior]]al Science, Learning, [[Psychology|Psychology]]]
last_reinforced: 2026-04-20
---
@@ -14,7 +14,7 @@ last_reinforced: 2026-04-20
## 📖 구조화된 지식 (Synthesized Content)
- **Classical Conditioning (고전적 조건 형성)**:
- 비자발적 반사 반응 학습. 파블로프의 개 실험처럼 중립 자극이 무조건 자극과 결합하여 반응을 이끌어내는 방식.
- **[[Opera]]nt Conditioning (조작적 조건 형성)**:
- **[[Opera|Opera]]nt Conditioning (조작적 조건 형성)**:
- 자발적 행동 학습. 행동의 결과가 보상(강화)이면 반복하고, 처벌이면 멈추는 방식. 스키너의 실험이 대표적이다.
- **Variable Reward Schedule**:
- 보상을 가끔씩 예측 불가능하게 줄 때 행동이 가장 강력하게 유지된다(도박, 가챠 게임의 원리).
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
- 인간은 단순히 보상에만 따라 움직이는 존재가 아니다(행동주의의 한계). 사회적 학습(관찰 학습)과 내면의 필터링이 작용한다. AI 분야의 강화학습(RL)은 이 조작적 조건 형성을 수학적으로 모델링하여 기계가 스스로 전략을 찾게 만든다.
## 🔗 지식 연결 (Graph)
- Related: [[Behavioral-Economics]] , Cognitive Evaluation Theory
- Related: [[Behavioral-Economics|Behavioral-Economics]] , Cognitive Evaluation Theory
- Foundation: Reinforcement Learning