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
,贝叶斯神经网络和一般的神经网络没有任何区别,也包括输入层,隐含层和输出层。不同的是,这两个网络得到权值的方式不一样。
对于一般的神经网络,我们是如何得到权值的?通用的方法就是给一个训练集,一个损失函数,然后利用训练集和使得损失函数最小,从而得到权值。 贝叶斯神经网络并不是这样得到权值的。
贝叶斯神经网络会根据已有的观测数据,即训练数据,来推测出网络的权值应该是多少时才产生这样的观测数据(也就是训练数据)。
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