强化学习——Policy-based Approach
根据李宏毅老师的视频,记录一下自己的学习心得
前言
本科已经毕业了,从刚开始接触传统的机器学习,到后面接触到深度学习、CV检测、NLP等,但是最近看到越来越多的人开始提到强化学习,因此自己也打算乘着这段“闲暇”时间来学习一下强化学习,仅仅用于记录自己的学习,如果能为您提供帮助当然再好不过。
Policy-base approach思想
主要分为三步:
1、Nerual network as Actor;
2、goodness of function;
3、pick the best function
主要元素有S:观察环境获得的状态;A:针对当下环境采取的行动;R:基于当下环境和采取的行动,得到的奖励。
通过神经网络来计算针对当下环境采取的action,神经网络参数为θ。为了获得更高的reward(reward由外界的环境来决定)来优化神经网络的参数θ,主要笔记如下。
笔记
总结
甘愿为理想“头破血流”