知识卡片

普通读书笔记卡 · 2700.d.1 · 生成模型:未记录

延迟奖励的信用分配

理解等级:初级

信用分配要判断结果能为哪些先前决策提供学习信号。棋局中胜负常到终局才出现,不能把这一个反馈直接解释为每步均正确。价值估计可把对长期结果的预测逐步传回早期状态。

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

    参考来源

    - 位置:《强化学习入门:从原理到实践》第1章《1.1 强化学习的历史》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter5.xhtml`,body 子元素 5 - 结论依据:原文用最终成功与先前行动的贡献关系界定问题。 - 原始内容:即导致最后成功的前期各个行为对这一成功结果的贡献程度