强化学习根据状态是否可以被完全观测,可将问题分为全观测策略和非全观测策略
从监督问题到序列化问题,主要是通过添加序列化内容,以进行决策
模仿学习是针对非完全观测的监督学习
模仿学习的基本训练方式:
1.使用人为标定的数据进行网络训练,2.运行该网络获取新的待标定数据,3.进行人为数据标注,4.将标注完的数据与原数据结合从新训练网络
导致模仿学习失败的主要原因:
非马尔科夫行为
多模型行为
可以分为离散动作(放置一个softmax函数解决)、连续动作(1.混合密度网络(混合高斯网络),2.隐变量模型,3.自动回归离散化)