王振耀

摘要： 強(qiáng)化學(xué)習(xí)概況 正如在前面所提到的，強(qiáng)化學(xué)習(xí)是指一種計(jì)算機(jī)以“試錯(cuò)”的方式進(jìn)行學(xué)習(xí)，通過與環(huán)境進(jìn)行交互獲得的獎(jiǎng)賞指導(dǎo)行為，目標(biāo)是使程序獲得最大的獎(jiǎng)賞，強(qiáng)化學(xué)習(xí)不同于連督學(xué)習(xí)，區(qū)別主要表現(xiàn)在強(qiáng)化信號(hào)上，強(qiáng)化學(xué)習(xí)中由環(huán)境提供的強(qiáng)化信號(hào)是對(duì)產(chǎn)生動(dòng)作的好壞作一種評(píng)價(jià)(通常為標(biāo)量信號(hào))，而不是告訴強(qiáng)化學(xué)習(xí)系統(tǒng)如 閱讀全文