1. 定义 通过从交互中学习来实现目标的计算方法： 强化学习主要包括三个方面： 感知：在某种程度上感知环境的状态 行动：可以采取行动来影响状态或者达到目标 目标：随着时间的推移最大化累积奖励 2. 交互 强化学习与环境交互过程如下图： 3. 系统要素 历史（History）：是观察、行动和奖励的序列。即一直到时间 t t t 为止的所有可观测变量： H t = O 1 , R 1 , A 1 , …
1. 定义 通过从交互中学习来实现目标的计算方法： 强化学习主要包括三个方面： 感知：在某种程度上感知环境的状态 行动：可以采取行动来影响状态或者达到目标 目标：随着时间的推移最大化累积奖励 2. 交互 强化学习与环境交互过程如下图： 3. 系统要素 历史（History）：是观察、行动和奖励的序列。即一直到时间 t t t 为止的所有可观测变量： H t = O 1 , R 1 , A 1 , …
讨论
登录后参与讨论
还没有评论，来说第一句吧。