知识卡片

普通读书笔记卡 · 2700.d.1.a · 生成模型:未记录

交互反馈有别于动作标签

理解等级:中级

动作会改变后来遇到的状态,奖励还可能等任务结束才出现。奖励衡量后果,通常无法直接读出当前状态的最佳动作。一批独立样本及其正确标签对应的是另一种学习设定。

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《1.2 强化学习的基本概念》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter6.xhtml`,body 子元素 24 - 结论依据:原文指出延迟和动作对后续采样的影响。 - 原始内容:强化学习中的奖励信号不一定是实时的,很可能是延后的