原书出处
深入浅出强化学习:原理入门
11 第11章 逆向强化学习
法是从人的示例中学到隐形的回报函数。 如何学习这种回报函数呢? 答案是:建模。逆向强化学习的提出者吴恩达的思路是这样的:
专家在完成某项任务时,其决策往往是最优的或接近最优的,那么可以这样假设,当所有的策略产生的累积回报期望都不比专家策略产生的累积回报期望大时,强化学习所对应的回报函数就是根据示例学到的回报函数。
因此,逆向强化学习可以定义为从专家示例中学习回报函数。 第二个概念是逆向强化学习的分类。 如果用数学的形式表示逆向强化
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00022.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57