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
率模型并不直接对该模型建模,而是引入一个差分变量 ,通过如下变换: 设 符合高斯分布,则 也符合高斯分布: 其中均值:
令 ,PILCO动力学概率模型学习的是输入 和输出 之间的拟合关系。与直接学习函数值相比,学习差分更有优势。因为相比原来的函数,它们的变化很少。学习差分 近似于学习函数的梯度。
训练数据集为 , ,定义 之间的协方差矩阵为核函数: 则输出之间的协方差矩阵为 高斯过程预测是给定训练数据集 和测试点
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