强化学习基本内容 人工智能机器学习
程序员文章站
2022-03-15 15:14:37
目录1
基本内容 在强化学习(Reinforcement learning)中, 学习主体自身通过训练,误差和反馈,学习在环境中完成目标的最佳策略。我们并没有直接告诉主体要做什么或...
目录1
基本内容 在强化学习(Reinforcement learning)中, 学习主体自身通过训练,误差和反馈,学习在环境中完成目标的最佳策略。我们并没有直接告诉主体要做什么或采取那个动作,而是主体通过看那个动作得到了最多的奖励来自己发现。 强化学习由四部分组成:策略 奖励函数 值映射 和一个环境模型。 设计强化学习算法是要考虑三方面问题。一,如何表示状态空间和动作空间。二,如何选择建立信号以及如何通过学习来修正不同状态-动作对的值。三如何根据这些值来选择适合的动作。用强化学习方法研究未知环境下的机器人导航,由于环境的复杂性和不确定性,这些问题变得更复杂。 所谓强化学习是指从环境状态到动作映射的学习,以使动作从环境中获得的累积奖赏值最大.该方法不同于监督学习技术那样通过正例、反例来告知采取何种行为,而是通过试错(trial anderror)来发现最优行为策略。常用的强化学习算法包括TD(Temporal Difference)算法、Q学习算法、Sarsa算法等 标准的强化学习,智能体作为学习系统,获取外部环
推荐阅读
-
日本机器人被高中录取 将首次与人类共同学习
-
Python机器学习之scikit-learn库中KNN算法的封装与使用方法
-
在AI人工智能中如何学习大数据,成为佼佼者
-
这个机器人厉害了 具备行为学习和云备份功能
-
智小乐智能机器人发布 拥有主动学习能力
-
【莫烦强化学习】视频笔记(二)3.Q_Learning算法实现走迷宫
-
荐 14天数据分析与机器学习实践之Day02——数据分析处理库Pandas应用总结
-
在AI人工智能中如何巧妙学习大数据编程,成为五十万年薪的佼佼者
-
Python机器学习k-近邻算法(K Nearest Neighbor)实例详解
-
Python机器学习库scikit-learn安装与基本使用教程