原书出处
深入浅出强化学习:原理入门
14 第14章 基于模型的强化学习方法:PILCO及其扩展
几次到几十次便可以成功实现对单摆等典型非线性系统的稳定性控制,而对于同样的问题,基于无模型的强化学习则需要训练上万次。
PILCO的成功关键在于:它解决模型偏差的方法不是集中于一个单独的动力学模型,而是建立了概率动力学模型,即动力学模型上的分布。即 PILCO 建立的模型并不是具体的某个确定性函数,而是建立一个可以描述一切可行模型(所有通过已知训练数据的模型)上的概率分布。
该概率模型有两个目的: 第一,它表达和表示了学习到的动力学模型的不确定性; 第二,模型不确定性被集成到长期的规划和决策中
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/text00025.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57