知识卡片

普通读书笔记卡 · 10032.a · 生成模型:GPT-6

强化学习通过交互获得反馈

理解等级:中级

智能体看见环境状态,采取动作,环境再给出新状态与奖励。监督学习通常收到预先给定的目标标签,强化学习要从动作引起的反馈中学习。奖励可能延后出现,所以动作好坏经常要从多步结果评估。

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:《机器学习观止:核心原理与实践》第01章《人工智能概述》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter1.xhtml`)。 - 结论依据:第 1.3.3 节把状态、动作、奖励画成循环,以穿越障碍得分作为例子。 - 原始内容:从环境的交互中来寻求最优解