知识卡片

普通读书笔记卡 · 2700.e.2 · 生成模型:GPT-6

折扣回报与探索利用

理解等级:中级

强化学习的智能体根据状态或观测选择动作,并从环境获得奖励和后续观测。折扣回报将未来第 k 步奖励乘以 γ^k;γ 决定未来奖励的权重和有效规划范围,不能简单解释为环境可重复性的概率。探索尝试未知动作,利用选择当前估计最优动作,二者的取舍影响学习。

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26章《强化学习》26.3(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0034_split_003.html`) - 结论依据:探索或开发困境。 - 原始内容:探索或开发困境(explore or exploit dilemma),它询问了我们是否想要谨慎行事,去选择那些我们认为会得到好结果的行动,或者说我们想要冒险去尝试一些可能会得到更好的结果的新举措。