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
有人模仿到了精髓。最早的模仿学习是行为克隆,它只模仿到了表面。行为克隆是指机器将人的轨迹记录下来,下次执行时恢复该轨迹。
行为克隆的方法只能模仿轨迹,无法泛化。而逆向强化学习是从专家(人为)示例中学到背后的回报函数,能泛化到其他场景,因此属于模仿到了精髓。
下面我们介绍下逆向强化学习的四种学习方法。 (1)方法一:学徒学习方法。 学徒学习是吴恩达和 Abbeel 提出来的。
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