原书出处
智能算法导论
206 2 1 . 3 基 于 多 尺 度 F C N - C R F 网 络 和 强 化 学 习 的 高 分 辨 S A R 图 像 语 义 分 割
时,环境可能会给予当前Agent一个反馈,Agent通过该反馈来学习或调整网络参数,如此不断迭代学习,使得网络逐渐收敛。
其中,DNN不仅实现了感知环境的功能,同样也发挥了为不同环境状态以及动作之间建立映射关系的作用。由于强化学习本身具有延时奖赏的特点,因此在训练深度强化学习的神经网络时,其修正网络的方式也会因网络或强化学习种类的不同而不同。
无论通过哪种方式学习得到的Agent,都需要能够学会预测在未来一个长远的时间段内,针对当下的环境,哪种决策会在未来的累积
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_0007.xhtml
EPUB SHA-256:18e2691ea1badb55bab48f10fe7172f9d6a95bc5207bb2e234686cbbaff3641d