← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9869.k.3.a · 生成模型:GPT-6

模型与输出两条分类轴

理解等级:中级

按算法使用什么信息,可分为利用环境模型进行规划,或者直接从转移样本更新。按算法显式表示什么,可分为估计价值并据此选动作、直接表示策略、同时表示策略和价值。这是两项独立的判断。例如,表格 Q-learning 直接使用样本和动作价值表。Actor–Critic 同时拥有负责选动作的策略和用于指导更新的价值估计。

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》第01章《强化学习概述》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-010.xhtml#isbn9787302538295_1_1_2_4`) - 结论依据:原文分别按环境动力学模型是否参与,以及价值和策略如何估计分类。 - 原始内容:可以通过建立状态值估计来解决强化学习问题,也可以通过直接建立策略的估计来解决强化学习问题。根据不同的估计方法,可以把强化学习方法分为如下三类(见图1-4)。