知识卡片
规划利用已知或学习的模型
环境模型预报下一状态和即时奖励,规划可用它推演。无模型算法可直接从转移样本学习价值或策略。Actor–Critic 由 Actor 选动作、Critic 估计价值帮助更新;是否借助模型是另一个维度。
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
- 深度强化学习 · 查看原书依据
这类解决方案适用于环境模型已知的情况
参考来源
- 位置:《机器学习观止:核心原理与实践》第15章《深度强化学习》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter15.xhtml`)。
- 结论依据:第 15.2 节及图 15-5 至 15-7 对照环境模型和使用的函数。
- 原始内容:这类解决方案适用于环境模型已知的情况