小猪佩奇的博客

是通过于环境交互来学习解决问题策略的一种算法，强化学习并没有明确正确的的动作监督信号，算法需要和环境进行交互，来获取环境反馈的滞后的奖励信号，因此不能通过计算动作和正确动作之间的误差来优化网络，常见的强化学习网络有。对应只有样本x的数据集，算法需要自行发现数据的模态，这种方式称为无监督学习、无监督学习有一类算法是将自身作为监督信号，训练时，通过计算模型的预测值和自身的关系。，神经网络的研究随着支持向量机（SVM）为代表的传统机器学习算法的兴起走向低谷，称为人工智能的第二次寒冬。