← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9878.b.2.c · 生成模型:未记录

对抗模仿匹配占用分布

理解等级:中级

生成式对抗模仿学习用判别器区分专家与策略产生的状态动作对,并以判别器输出构造奖励训练策略,目标是使策略的状态动作访问分布接近专家;这仍需要与环境交互。

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:《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:本节对方法和局限的说明。 - 原始内容:在本质上,生成式对抗模仿学习是在模仿专家策略的占用度量