原书出处
智能算法导论
203 2 1 . 2 逆 向 强 化 学 习
一种更可靠的回报函数,Ng等研究了马尔可夫决策过程中的逆强化学习问题,即在给定的观测最优行为下,提取一个报酬函数[6]。
当需要基于最优序列样本学习策略时,可以结合逆向强化学习和强化学习共同提高回报函数的精确度和策略的效果。 逆向强化学习主要可以分为两类:基于最大边际的逆向强化学习和基于最大熵的逆向强化学习[7]。
基于最大边际的逆向强化学习又可以分为学徒学习[8]、最大边际规划(Maximum Margin Planning,MMP
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/智能算法导论/_epub-src/EPUB/xhtml/chapter21_0004.xhtml
EPUB SHA-256:18e2691ea1badb55bab48f10fe7172f9d6a95bc5207bb2e234686cbbaff3641d