2023學年完整公開課版強化學習_第1頁
2023學年完整公開課版強化學習_第2頁
2023學年完整公開課版強化學習_第3頁
2023學年完整公開課版強化學習_第4頁
2023學年完整公開課版強化學習_第5頁
已閱讀5頁，還剩2頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

強化學習主講：湯淑寧機器學習的分類機器學習監督學習：計算機獲得簡單的輸入給出期望的輸出，過程是通過一個“訓練模型”，學習通用的準則來從輸入映射到輸出。無監督學習：沒有給出標記用來學習算法，讓它自己去發現輸入的結構。無監督學習自己可以被當成一個目標或者一個實現結果的途徑(特征學習)。強化學習：一個計算機程序與動態環境交互，同時表現出確切目標(比如駕駛一輛交通工具或者玩一個游戲對抗一個對手)。這個程序的獎懲機制會作為反饋，實現它在問題領域中的導航。區別強化學習(reinforcementlearning)與監督學習、非監督學習的區別沒有監督者，只有獎勵信號反饋是延遲的，不是順時的時序性強，不適用于獨立分布的數據自治智能體(agent)的行為會影響后續信息的接收現實中的強化學習強化學習基本要素強化學習基本要素及其關系策略定義了agent在給定時間內的行為方式，一個策略就是從環境感知的狀態到在這些狀態中可采取動作的一個映射。回報函數是強化學習問題中的目標，它把環境中感知到的狀態映射為單獨的一個獎賞。值函數：一個狀態起agent所能積累的回報的總和。環境模型模擬了環境的行為，即給定一個狀態和動作，模型可以預測必定導致的下一個狀態和下一個獎賞。模型一般用于規劃。強化學習算法們通過價值選行為：直接選行為：想象環境并從中學習：QLeaningSarsaDeepQNetworkPoli

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論