知识卡片

普通读书笔记卡 · 9965.a.1 · 生成模型:未记录

上置信界给少试选项机会

理解等级:中级

选择置信上界时,把回报样本均值与探索奖励相加。单个选项的样本越少,探索奖励越大;随后在其它选项上积累尝试,也会提高回访它的动机。相比固定比例的随机试探,访问频次会直接影响探索分配。

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

    • · 查看原书依据

      UCB值可以视为探索(式(4.15)中的第二项)与利用(式(4.15)中的第一项)之间权衡的一种估值。

    参考来源

    - 位置:《AI游戏开发和深度学习进阶》第4章 4.8 如何赢得博弈(book-source,`extracted/AI游戏开发和深度学习进阶/_epub-src/OEBPS/Text/0039.xhtml`) - 结论依据:原文解释公式的均值项支持利用,样本数量项支持探索。 - 原始内容:UCB值可以视为探索(式(4.15)中的第二项)与利用(式(4.15)中的第一项)之间权衡的一种估值。