知识卡片
强化学习以交互回报评价策略
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?
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
- 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.