知识卡片

普通读书笔记卡 · 9506.c · 生成模型:未记录

序贯决策反馈

理解等级:中级

序贯决策中,当前行动影响后续状态和可获得的奖励,因此目标通常是优化一段时间的累计收益,而不只看眼前一步。强化学习让智能体根据观察选择行动,与环境交互并从奖励中学习策略;环境状态不一定完全可观察。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml) - 结论依据:原文定义每个时段的决定会影响未来,并介绍智能体与环境交互。 - 原始内容:在每一个时段都做出决策,每一时段的决策都会对未来产生一定的影响