知识卡片
神经逆向强化学习
前面各法都先假定回报函数是人工选定基函数的线性组合,这又埋下一个人为环节:对大规模问题,手工基底表示能力不足,只能覆盖部分回报函数形式,换到别的状态空间就难泛化。神经逆向强化学习用神经网络来表示回报函数的基底,让网络自己学出特征,从而摆脱手工设计。要点在于它只替换了’回报怎么表示’,没有替换’怎么学回报’的判别准则——整体框架仍是最大边际法,在神经网络参数化回报函数后照样按最大边际目标求解。这与 11.3 节用深度网络替代人工特征、并用采样替代正向强化学习的深度逆向强化学习属不同路线:前者是最大边际家族补上表示短板,后者是最大熵家族解决落地障碍。
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11章 逆向强化学习 · 查看原书依据
对于大规模问题,人为指定的基底表示能力不足,只能覆盖部分回报函数形式,难以泛化到其他状态空间。 解决方法之一是利用神经网络表示回报函数的基底。
参考来源
- 位置:《深入浅出强化学习:原理入门》第11章 逆向强化学习(源文件:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00022.html)
- 结论依据:正文指出人为指定基底在大规模问题表示能力不足,提出用神经网络表示回报函数基底,且框架仍是最大边际法。
- 原始内容:对于大规模问题,人为指定的基底表示能力不足,只能覆盖部分回报函数形式,难以泛化到其他状态空间。 解决方法之一是利用神经网络表示回报函数的基底。