- 博客(2)
- 收藏
- 关注
RSS订阅原创 强化学习第二章之Markov决策过程
离散时间Markov决策过程 一个时间离散化的智能体、环境接口可以用这样的轨道表示： S0,O0,A0,R1,S1,O1,A1,R2,S2,O2,A2,R3… 在进行T个回合后，循环将会停止，记为： S0,O0,A0,R1,S1,O1,A1,R2,S2,O2,A2,R3…ST=S终止 如果环境是可观测的，那么Ot=St，完全观测轨道任务简化为; S0,A0,R1,S1,A1,R2,S2,A2,R3...
2020-04-14 12:57:32
263
原创 强化学习第一章节
强化学习笔记 强化学习表示生物为了驱利避害而更频繁实施对自己有利的策略，包括正强化、负强化。正强化使生物更趋向获得利益，负强化使生物趋向于避免损害。 强化学习最大特点是学习过程中没有正确答案，而是通过奖励信号来学习。 奖励：强化学习系统的学习目标。 策略：决策者会根据不同的观测决定采用不同的动作，这种从观测到动作的关系叫做策略。 强化学习与监督、非监督有本质的区别，强化学习没有正确答案可以对比。只...
2020-04-07 17:02:31
184
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