强化学习概念

机器学习分为监督学习、非监督学习、强化学习。

强化学习把行为学习看作是反复实验的过程,从而把环境状态映射成相应的动作。强化学习是根据环境反馈,与环境进行交互,不断地试错,利用评价性的反馈信号实现决策的优化,为机器人环境自适应问题提供了有利的解决方案。

强化学习的基本思想:智能体通过与环境交互,根据环境反馈得到的奖励,不断地调整策略,寻找一个最佳决策,主要用来解决决策优化类问题。基本要素:策略、奖赏函数、值函数、环境模型。基本学习模型:

智能体根据目前的状态St,在动作空间中选择动作at,环境根据智能体做出的动作来反馈相应的奖励rt+1,并且转移到新的状态St+1,智能体根据得到的奖励调整自身策略,并针对新的状态做出新的决策。强化学习的特点是自学习和在线学习࿰

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值