知识卡片
交互反馈有别于动作标签
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?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 1.2 强化学习的基本概念 · 查看原书依据
强化学习中的奖励信号不一定是实时的,很可能是延后的
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