← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 10032.b.1 · 生成模型:GPT-6

策略优化直接提高预期回报

理解等级:中级

策略优化直接参数化状态到动作的规则,并提高起始期望回报或长期平均奖励。它适用于随机策略与连续控制。较短的新动作序列可以沿途得到不同奖励,因此终局好坏只能作为带噪声的信用证据。

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 15.6 节对照价值方法,区分完整片段和持续任务的目标。 - 原始内容:寻找可以最大化学习目标(例如累积回报期望)的参数值