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
为既是最优的又比其他任何行为好很多,或者有很多不同的回报函数会导致相同的专家策略,也就是说这种方法无法解决歧义的问题。
基于概率模型的方法可以解决歧义问题。学者们利用概率模型发展出了很多逆向强化学习算法,如最大熵逆向强化学习、相对熵逆向强化学习、最大熵深度逆向强化学习,基于策略最优的逆向强化学习等。
11.2 基于最大边际的逆向强化学习 本节我们来了解基于最大边际的逆向强化学习的四种方法,这四种方法几乎涵盖了近十年来
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