← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.442Z

的问题。但是,在学习回报函数时又引入了需要人为指定的基底,即我们之前已经假设的回报函数的形式: 其中 是人为指定的基底。

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。

此时,回报函数可表示为 。 神经逆向强化学习的整个框架仍然是最大边际法的框架,因此问题形式化为 如图11.5所示为神经

此预览只包含定位所需的摘录和上下文。

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