知识卡片
强化学习发展趋势
正文给出两个时间锚点:1998年Sutton的《Reinforcement Learning:An Introduction》第一版标志基本理论框架成形,2013年DeepMind的DQN将深度网络与强化学习结合,开启深度强化学习。由此可判断四大趋势:一是与深度学习结合更紧密,监督、无监督、强化三类方法走向统一,谁结合得好谁更易突破;二是与专业知识结合更紧密,把通用算法直接套到专业领域往往不工作,需重塑回报函数或修改网络结构;三是理论分析增强,算法更稳定高效;四是与脑科学、认知神经科学、记忆联系更紧密。对读者的启发是:基本思想稳定而前沿快速迭代,应以思想为根,关注跨方法融合与领域知识注入,而非追逐单一算法。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第1章 绪论
原书出处 · 1 处
- 第1章 绪论 · 查看原书依据
第一,强化学习算法与深度学习的结合会更加紧密。 机器学习算法常被分为监督学习、非监督学习和强化学习,以前三类方法分得很清楚,而如今三类方法联合起来使用效果会更好。
参考来源
- 位置:《深入浅出强化学习:原理入门》第1章 绪论(源文件:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00008.html)
- 结论依据:正文以1998、2013两个关键点勾勒发展史,并明确列出上述四条趋势及代表作(如值迭代网络、基于深度能量的策略方法、DeepMind记忆论文)。
- 原始内容:第一,强化学习算法与深度学习的结合会更加紧密。 机器学习算法常被分为监督学习、非监督学习和强化学习,以前三类方法分得很清楚,而如今三类方法联合起来使用效果会更好。