1、强化学习笔记-基本概念

最新推荐文章于 2024-09-27 13:30:27 发布
最新推荐文章于 2024-09-27 13:30:27 发布
阅读量27 收藏
点赞数
分类专栏： 强化学习 文章标签： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35684558/article/details/132125360
版权

一、基本概念

Return：

我们希望return越大越好

动作价值函数：与具体的策略π有关

 最优动作价值函数：

能够去掉动作价值函数中的π：使用最好的策略π，使Qπ最大化

意义：Q*可以用来评价当前状态下不同动作的好坏

 状态价值函数：

意义：评价当前状态好坏，比如下围棋根据棋盘来判断输赢情况

 总结：

强化学习的目标：学习策略π或者Q*函数

 

qq_35684558
关注
专栏目录
深度强化学习基本概念-王树森课程笔记
weixin_44005728的博客
05-11 1184
深度强化学习基本概念-王树森课程笔记
《David Silver强化学习笔记》第一课 1-introduction .pdf
07-15
以上内容涵盖了强化学习中的基本概念和关键知识点，如智能体、环境、状态、奖励、决策过程、马尔可夫性质等。通过这些概念的学习和理解，可以深入掌握强化学习的基本理论和方法，并将之应用到不同的实际问题中去。
强化学习笔记2--基本概念
qq_41537299的博客
10-29 108
基本概念 链接: link.
强化学习笔记-强化学习概述
weixin_49897963的博客
03-07 1015
强化学习是机器学习的一种，它通过与环境不断地交互，借助环境的反馈来调整自己的行为，使得累积回报最大。强化学习要解决的就是决策类问题，即求取当前状态下最优行为或行为概率。 强化学习包括智能体和环境两大对象，智能体是算法本身，环境是与智能体交互的外部。智能体通过行为a作用于环境，环境反馈给智能体改变前后的状态s和s‘，以及回报r。
【强化学习-01】强化学习基本概念
HsinglukLiu的博客
01-26 2670
强化学习基本概念
机器学习笔记--机器学习基本概念（全面总结，通俗易懂）
qq_44815135的博客
01-22 3300
 什么是机器学习？本文主要介绍了机器学习中的常见概念，包括监督学习和无监督学习、半监督学习、弱监督学习、强化学习、欠拟合和过拟合、损失和优化的概念以及常用的激活函数等。
强化学习笔记3---policy gradient基本概念
qq_41537299的博客
10-18 388
本文章为学习李宏毅老师视频的学习笔记，视频链接 调整theta，就可以调整选择trajectory的概率 只能求出该路径奖励的期望值，方法是穷举所有路径并将奖励值加和 这么复杂的推导，咱们就是说瞟一眼就可以了，就是求reward的梯度 theta更新过程，η\etaη 是学习率 sample的概念。R(τn)R(\tau ^n)R(τn) 是整场游戏采取aaa的奖励 为了增加sample的正确率，可以将某些reward改为负。增添加baseline来实现，即bbb。最简单的方式即b=E(R(.
强化学习笔记1 基本概念
tianming1992的专栏
09-11 105
1.强化学习方法汇总 分类一： 无模型方法 Model-Free RL Q-Learning Sarsa Policy Gradients 通过环境反馈来决定行动 Model-Based RL 分类二 基于概率 可用于连续动作 Policy Gradients 基于价值方法 分类三 回合更新 单步更新 分类四 在线学习 sarsa 离线学习 Q-Learning DQN 2.技能前提 Open...
李宏毅深度强化学习导论——基本概念
日积月累，天道酬勤
03-21 1067
李宏毅强化学习简介
【强化学习的数学原理-赵世钰】课程笔记（一）基本概念
qq_64671439的博客
12-30 2561
在B站上学习强化学习的课程笔记，笔记非常详细清晰，会持续更新
强化学习的数学原理学习笔记 - Actor-Critic
Green Lv的博客
01-08 1571
强化学习的数学原理学习笔记： Actor-Critic，包括对A2C、DPG等算法和重要性采样等概念的介绍。
吴恩达机器学习笔记-人工智能机器学习算法入门笔记
01-26
机器学习可以分为监督学习、无监督学习和强化学习等主要类型。 【监督学习】 监督学习是机器学习的一种，其中模型在已知输入和对应输出（标签）的训练数据集上学习。在这个过程中，模型尝试找出输入和输出之间的...
强化学习笔记和学习材料
01-02
1. 强化学习的基本概念：强化学习的四个基本元素包括智能体（Agent）、环境（Environment）、动作（Action）和状态（State）。智能体在特定状态下执行动作，环境则根据动作返回新的状态和奖励。 2. 奖励函数...
AIGC学习笔记—minimind详解+训练+推理
最新发布
m0_56569131的博客
09-27 119
这个开源项目是带我的一个导师，推荐我看的，记录一下整个过程，总结一下收获。这个项目的slogan是“大道至简”，确实很简。作者说是这个项目为了帮助初学者快速入门大语言模型（LLM），通过从零开始训练一个仅26MB的微型语言模型MiniMind，最快可在3小时内完成。降低学习LLM的门槛，让更多人能够轻松上手。MiniMind极其轻量，约为GPT-3的1/7000，适合普通个人GPU进行快速推理和训练。
【算法笔记】二分查找 红蓝染色法
weixin_51325964的博客
09-23 849
一个菜鸟的算法笔记
Maya学习笔记：项目设置和快捷键
吴梓穆的博客
09-24 329
快速空格：切换三视图，鼠标放到对应的视图上，在快速按空格，可以切到对应视图。在项目窗口里，选择要生成的子文件夹（保持默认即可），然后点下边的接受。文件/最下边选择最近的项目，在右侧展开菜单里选择刚创建的目录。只后场景会被默认保存在这个文件夹下的scenes里。F：先点击一个物体，在按F，选中的物体居中显示。主键盘5：平滑着色显示模型（默认的方式）选择一个文件夹，然后选择创建默认工作区。alt+滚路或右键拖动：缩放视角。alt+左键拖动：旋转视角。alt+中键拖动：移动视角。A：场景所有物体居中显示。
《动手学深度学习》笔记2.1——神经网络从基础→进阶 (层和块 - 自定义块)
weixin_57972634的博客
09-24 1112
在本章中，我们将深入探索深度学习计算的关键组件， 即模型构建、参数访问与初始化、设计自定义层和块、将模型读写到磁盘， 以及利用GPU实现显著的加速。 这些知识将使读者从深度学习“基础用户”变为“高级用户”。 虽然本章不介绍任何新的模型或数据集， 但后面的高级模型章节在很大程度上依赖于本章的知识。很多同学反馈道，本章的学习解开了前后章节的很多困惑，对打牢基础非常有帮助
qt-C++笔记之作用等同的宏和关键字
小勇博客
09-22 592
的引入主要是为了提高代码的可读性和一致性，避免关键字冲，特别是在那些。可能与其他语义冲突的环境中（如某些编译器或代码分析工具可能不识别。被推荐使用，尽管在实际的 Qt 源代码中。是 Qt 中用于发射信号的宏，其作用等同于。为什么使用 Q_EMIT 而不是 emit?在 Qt 的官方文档和推荐的编码风格中，
智能指针学习笔记
weixin_42130300的博客
09-24 288
1. 共享指针总体的使用来说是不线程安全的（构造和析构时才会改变引用计数，但是在访问资源时是不安全的）。可以对引用计数改变时加锁，或者将+或-操作改变为原子操作。3. 不可以将shared_ptr转换为unique_ptr。unique_ptr可以转换为shared_ptr，通过std::move。1. 关于int，成员变量的引用计数必须是int*。不可以直接是int，不然没有引用计数的作用。2. 关于是否可以声明为静态成员。不可以，否则每一个相同类型的对象都共享该计数。需要通过weak_ptr进行解决。
强化学习笔记：伯克利CS285前10讲重点概览
"Berkeley CS285 强化学习笔记涵盖了强化学习的基础概念和重要算法，主要讨论了马尔可夫决策过程（Markov Decision Process, MDP）和部分可观测马尔可夫决策过程（Partially Observed Markov Decision Process, ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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