知识卡片

结构图卡 · 8597.a.6 · 生成模型:GPT-6

强化学习优化累计奖励

理解等级:中级

智能体根据状态或观测选动作,环境反馈奖励并进入后续状态。策略规定怎样在给定观测下行动,学习目标可以是提高一段交互中的累计奖励。当动作改变后续机会时,应连同未来获得奖励的可能性评估当前动作。

结构图:

flowchart LR
    A[观测当前状态] --> B[策略选择动作]
    B --> C[环境反馈奖励和新状态]
    C --> A
    C --> D[累计奖励评价策略]
这张卡片看不懂?

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

    • 机器学习概述 1.4.3 · 查看原书依据

      。实际上,它要做的是一个序列的决策。我们怎么评判智能体策略的好坏呢?评判的形式就是,它能拿到的奖励会有多大。每一步都可能有奖励,所以评判的形式是把总的奖励加起来看看它有多大。

    参考来源

    - 位置:《AI制胜:机器学习极简入门》第1章 机器学习概述 §1.4.3(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter1.xhtml#isbn9787302555513_1_1_2_11) - 结论依据:原文用策略、序列决策与每步奖励定义强化学习目标。 - 原始内容:。实际上,它要做的是一个序列的决策。我们怎么评判智能体策略的好坏呢?评判的形式就是,它能拿到的奖励会有多大。每一步都可能有奖励,所以评判的形式是把总的奖励加起来看看它有多大。