知识卡片
强化学习交互框架
强化学习解决的是决策问题:智能体在环境中采取动作,动作与环境共同决定下一个状态并给出一个立即回报,如此循环产生数据,再用数据改进策略,经过迭代学到最优动作。它与监督/非监督学习的根本区别在于数据是静态给定还是通过与环境动态交互产生——图像识别只需喂样本,强化学习必须亲自试错。因此强化学习要同时处理动作、环境、状态转移概率和回报函数等更多对象,更接近人的学习过程。深度学习擅长感知(识别图像、语音),强化学习擅长决策,两者结合的深度强化学习被视为通向通过感知进行智能决策这一终极目标的有前景路径。
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
原书出处 · 1 处
- 第2章 马尔科夫决策过程 · 查看原书依据
智能体在完成某项任务时,首先通过动作A与周围环境进行交互,在动作A和环境的作用下,智能体会产生新的状态,同时环境会给出一个立即回报。如此循环下去,智能体与环境不断地交互从而产生很多数据。
参考来源
- 位置:《深入浅出强化学习:原理入门》第2章 马尔科夫决策过程(源文件:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00010.html)
- 结论依据:原文用图2.1描述智能体与环境的交互循环,并明确对比监督/非监督学习的静态数据,指出深度学习解决感知、强化学习解决决策。
- 原始内容:智能体在完成某项任务时,首先通过动作A与周围环境进行交互,在动作A和环境的作用下,智能体会产生新的状态,同时环境会给出一个立即回报。如此循环下去,智能体与环境不断地交互从而产生很多数据。