深度强化学习--试错法和奖励延迟机制

1、疑问：
神经网络中对试错法机制的错误理解：
神经网络的参数训练方式是通过试错法进行的，因为神经网络进行学习就是利用学习过程中的错误信息来更新网络参数的。
(为什么这样理解有问题，还需要自己思考)
书中说的是错误地理解了试错法学习的原理和机制

---

2、强化学习并不是输入一个状态，模型就映射到一个动作(这是传统的机器学习的方法)。强化学习是通过应用这些映射动作，得到一系列的反馈奖励值，然后从中选出最大奖励值的那个动作。也就是说，得到一个状态到动作的映射还不是结束，只有当应用这个动作得到最终的奖励值时，才能够确定到底哪一个动作才是好的。这相当于一种标签延后的学习方法。此外，当前状态采取的动作不仅要影响状态下得到的奖励值，还可能会影响周围环境的状态，因此也会影响接下来状态奖励值。因此强化学习具有两个明显的特征：试验式求解方式(Trial-and-Error, 试错法)和奖励延迟机制(Delayed Reward)

《深度强化学习–彭伟》