文件名称:
mlprague-2021：MLPrague 2021研讨会的材料-源码
开发工具:
文件大小: 1mb
下载次数: 0
上传时间: 2021-02-25
详细说明：MLPrague 2020-如何制定数据驱动型决策：情境多臂匪徒的案例
其他名称：联想强化学习，联想土匪，带有部分反馈的学习，具有辅助信息的土匪
强化学习的要素
除了主体和环境之外，还可以识别强化学习系统的四个主要子元素：策略，奖励信号，价值函数以及（可选）环境模型。
策略-定义学习代理在给定时间的行为方式。 粗略地说，策略是从感知到的环境状态到处于这些状态时要采取的措施的映射。 它对应于心理学中所谓的一组刺激－React规则或联想。 在某些情况下，策略可能是简单的函数或查找表，而在其他情况下，策略可能涉及大量的计算，例如搜索过程。 该政策是强化学习代理的核心，就其本身而言，它足以确定行为。 通常，策略可能是随机的，为每个操作指定概率。
奖励信号-定义强化学习问题的目标。 在每个时间步骤中，环境都会向强化学习代理发送一个称为奖励的数字。 代理商的唯一目标是在长期内获得最大的总回报。 因
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
