知识卡片
虚拟转移取自经验模型
把历史转移按 (s,a) 归组,将各后继频率估为条件概率,另记录相关奖励统计。规划时抽取后继与奖励,生成额外训练样本。如果奖励与后继相关,应保存联合信息或条件奖励,避免模型虚构组合。
关联:[[学习用经验规划用模型]]。拟合模型后用其生成可作为训练材料的虚拟转移。
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
- 8.1 环境的模型 · 查看原书依据
依据状态s后续状态的概率分布采样得到一个作为虚拟经历
参考来源
- 位置:《强化学习入门:从原理到实践》第8章《8.1 环境的模型》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter78.xhtml`,body 子元素 16
- 结论依据:原文用查表模型将实际观察转换为可采样的转移。
- 原始内容:依据状态s后续状态的概率分布采样得到一个作为虚拟经历