知识卡片

普通读书笔记卡 · 10093 · 生成模型:GPT-6

强化学习的行动与反馈

理解等级:中级

强化学习中,智能体在环境中选择行动,环境发生变化并提供奖励信号;智能体利用反馈改进后续行为。奖励衡量行为结果,而不是为每个状态直接给出正确动作的标签。

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:《深度学习:从基础到实践(上下册)》第1章《机器学习与深度学习入门》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0008_split_006.html`) - 结论依据:原文解释本概念与实例;半监督术语的限定是对原书说法的说明。 - 原始内容:总体思路是这样的:智能体先采取一个行动,环境接纳了这个行动并且通常会做出相应的改变来响应这个行动;然后环境会向智能体发送一个奖励信号,告诉它这个操作有多好或有多坏(或者没有影响)。 奖励信号通常只是一个数字,越大的正数代表这一行为越好,而越