← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9416.d · 生成模型:Tencent Hunyuan Hy

强化学习:智能体与奖励

理解等级:中级

强化学习模仿人或动物通过试错来学习的过程。智能体身处某个环境,从可采取的动作中挑选一个执行,动作会改变环境的状态;环境随即给出一个奖励信号,正值表示这一步走对了,负值表示走错了。智能体遵循的策略就是强化学习算法,它根据当前状态决定下一步动作,目标是在反复尝试中积累正奖励。可以把学骑车来理解:每次摔倒都是负反馈,最终学会平衡。本书不展开强化学习算法,但它被视为人工智能最接近本源的一种形式。

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:《Python深度学习架构实用指南(初译)》第01章《深度学习入门》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/04.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文以骑车类比引入,逐一给出智能体、状态、奖励、策略的定义,支撑本卡对强化学习闭环的梳理。 - 原始内容:智能体暴露于一种环境中,在该环境中,它会从一系列可能的操作中采取措施,从而导致智能体状态发生变化。 状态是智能体所处环境的当前状况。对于每个动作,智能体都会获得奖励。