知识卡片
强化学习中的环境模型
强化学习中的环境模型预测采取行动后可能到达的状态及奖励,可用于模拟和规划。模型是对环境转移的表示,与决定采取什么行动的策略、评价长期收益的价值函数不同;并非所有强化学习方法都必须显式学习模型。
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
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
模型:指环境的模型,用于模拟环境的行为,给出对下一个状态的预测和下一时刻(或者立即)的奖励值。
参考来源
- 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml)
- 结论依据:原文定义模型预测下一状态及奖励,并与策略、价值列为不同要素。
- 原始内容:模型:指环境的模型,用于模拟环境的行为,给出对下一个状态的预测和下一时刻(或者立即)的奖励值。