cs231n_2018_lecture13_notes_强化学习

在连接主义学习中，把算法分为三种类型，即非监督(unsupervised learning)、监督学习(supervised leaning)和强化学(reinforcement learning)。

---

概念：

强化学习通过 “采取动作 — 得分反馈” 的方式学习，最终目标是使得Agent通过与环境的交互获得最大的得分。强化学习不是告诉Agent如何动作，而是Agent选择一个动作用于环境，环境接受该动作后状态发生变化，同时产生一个强化信号(奖或惩)反馈给Agent，Agent根据强化信号和环境当前状态再选择下一个动作，选择的原则是使受到正强化(奖)的概率增大。选择的动作不仅影响立即强化值，而且影响环境下一时刻的状态及最终的强化值。

以下也是没经过深入理解，只能贴几个词汇，留坑待日后在学了......

马尔可夫决策过程（Markov Decision Processes）：

Value function and Q-value function、Bellman equation、Q-learning、Q-network、Deep Q-Learning、Policy Gradients

应用：

Recurrent Attention Model (RAM)、AlphaGo