知识卡片

普通读书笔记卡 · 6473.d.5 · 生成模型:未记录

强化学习以交互回报评价策略

理解等级:中级

强化学习中,智能体根据观测采取动作,环境返回新的观测和奖励;策略的目标是提高期望累积回报。单步奖励是局部反馈,一次回合的回报则汇总整个轨迹,二者不能混同;观测也不一定包含环境的完整状态。

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

    • 强化学习 章首 · 查看原书依据

      如图14.3所示,强化学习里面有一个智能体(agent)和一个环境,智能体会和环境互动.环境会给智能体一个观测(observation),智能体在看到这个观测后,就会采取一个动作.该动作会影响环境,环境会给出新的观测,智能体则给出新的动作.

    参考来源

    - 位置:《深度学习详解》第14章《强化学习》章首(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter14.xhtml`) - 结论依据:原文描述交互过程、按动作评分加权训练及即时奖励的短视。 - 原始内容:如图14.3所示,强化学习里面有一个智能体(agent)和一个环境,智能体会和环境互动.环境会给智能体一个观测(observation),智能体在看到这个观测后,就会采取一个动作.该动作会影响环境,环境会给出新的观测,智能体则给出新的动作.