- 博客(2)
- 收藏
- 关注
RSS订阅原创 JoyRL笔记（一）
马尔可夫决策过程是强化学习基础问题模型之一，主要描述智能体在与环境的交互过程中学到一个目标的过程，而这个目标大部分时候是最大化奖励。是指在某个确定状态的未来只和当前状态有关，与历史的状态无关。是交互过程中积累的最大化的奖励折扣因子：权衡当前奖励和未来奖励，体现对未来的关注度。
2023-11-15 19:35:47
39
原创 蘑菇书笔记（一）
强化学习是说如何让智能体在复杂不确定的环境下获得最大化的奖励。强化学习的特征在于：自我试错探索、延迟奖励、很难维持智能体稳步提升。
2023-11-14 12:38:34
52
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人