0
点赞
收藏
分享

微信扫一扫

强化学习(1)


数列决策过程

机器感知和机器决策结合起来

强化学习(1)_监督学习

强化学习(1)_深度学习_02

和监督学习对比学习

监督学习:有标签

强监督学习会希望数据尽量的i.i.d(IID即随机的)可以消除数据之间的相关性

无监督学习:无标签

强化学习:

1.先尝试在返回结果,通过不停地试错返回结果

2.数据以序列形式输入,监督形式样本是独立的

关注如何让agent稳定的提升

卷积神经网络之后将特征提取和分类合在一起

强化学习(1)_深度学习_03

强化学习(1)_强化学习_04

如何让agent取得长期rewards

强化学习(1)_数据_05

环境状态和agent状态相同时等价的时候环境全部可以观测

强化学习(1)_深度学习_06

强化学习agent的三个组成成分:

1.决策函数police function:用来选取下一步的动作

强化学习(1)_数据_07

2.价值函数value function:对当前状态进行估价(评估进入当前的状态会为后面带来多大的影响)

价值函数越大进入这个状态越有利

强化学习(1)_深度学习_08

3.模型(modle):agent对环境进行的整个理解,决定了下一步如何进行

强化学习(1)_github_09

马尔科夫决策过程

强化学习(1)_深度学习_10

强化学习(1)_监督学习_11

  • 基于价值函数的agent:不使用决策函数,在价值函数中推测police
  • 基于police的agent:不使用价值函数
  • 两个都用

通过模型使用不同分类:

强化学习(1)_监督学习_12

强化学习(1)_深度学习_13

看会否有环境转移模型

 

举报

相关推荐

0 条评论