知识卡片

普通读书笔记卡 · 10106 · 生成模型:GPT-6

强化与惩罚按结果区分

理解等级:中级

操作性条件作用按行为之后刺激的增加或移除,以及行为未来频率的变化区分:正强化是增加刺激并提高行为频率,负强化是移除刺激并提高频率;正惩罚是增加刺激并降低频率,负惩罚是移除刺激并降低频率。“正、负”表示增加或移除,不表示好坏。与机器学习的奖励信号是类比,不能把每一种参数更新直接等同于行为实验。

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11章《学习与推理》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0018_split_007.html`) - 结论依据:原文解释经验前提与推理的关系,以及刺激增减和行为频率;机器学习对应关系视为类比。 - 原始内容:这一反馈可以提高(或者降低)行为的频率。这为我们提供了4种可能性,我们可以在网格中进行总结,如图11.12所示。 图11.12 操作性条件反射的4个类别。当想要提高行为的频率时,我们选择第一行中的一个动作。如果要降低行为