DJ_9425的博客

原创 强化学习笔记（1）：导论

导论1. 引言学习的本质：人类通过与环境进行交互学习。运动感知使我们与外部环境直接联结，告诉我们各类行为的后果。(三思而后行？)2. 强化学习定义：基于当前环境，agent选取可获得最大化数值收益信号的动作。该收益不仅指当前即时收益，也指长远的收益。agent不一定是完整的有机体或机器人，也可以指某个动作系统的组成部分。基本特征：试错和延迟收益强化学习即代表一类问题，同时也是这类问题...