9.1强化学习基本概念_第1页
9.1强化学习基本概念_第2页
9.1强化学习基本概念_第3页
9.1强化学习基本概念_第4页
9.1强化学习基本概念_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

什么是强化学习主讲人：礼欣引言什么是强化学习航海王——路飞和他的伙伴们宝藏“onepiece”引言什么是强化学习航海王——路飞和他的伙伴们在这个过程中，他们要经历许多决策招募伙伴帮助居民帮助居民找到onepiece引言什么是强化学习找到“onepiece”宝藏序贯决策过程（强化学习过程）过程中包含状态、动作、反馈(奖赏)等需多次决策，在过程中不断摸索，才能总结出较好的策略强化学习的基本要素什么是强化学习强化学习的基本要素什么是强化学习强化学习的基本要素什么是强化学习强化学习实际上是找一个从观测到动作的最优映射函数输入是外界观测目标是奖励最大化强化学习的主要特点什么是强化学习学习过程中没有监督信号，只有奖励（reward）其反馈（feedback）是延迟的而非瞬间的强化学习过程与时间序列相关，是一个序贯决策的过程Agent采取的动作（action）会影响到它所接受的序列数据用强化学习解决问题什么是强化学习摆车问题一般方法：需要知道车和摆的质量、摆的长度……强化学习方法：自己学习，不需要这些知识用强化学习解决问题什么是强化学习AlphaGo

（Zero）从经验中学习新知识用强化学习解决问题什么是强化学习淘宝搜索广告业务用户点击扣费浏览过程即与平台连续交互的过程排序问题RL问题利用强化学习的序列优化能力进行策略优化强化学习算法分类及发展趋势什么是强化学习Model-freeRL(不理解环境)

Model-basedRL(理解环境)…强化学习算法分类及发展趋势什么是强化学习基于策略(Policy-BasedRL)，

基于值(Value-basedRL)10%20%10%30%20%21-132强化学习算法分类及发展趋势什么是强化学习在线学习(On-policy)

离线学习(Off-policy)…强化学习算法分类及发展趋势什么是强化学习回合更新单步更新(Monte-Carloupdate)

(Temporal-Differenceupdate)游戏开始游戏结束更新游戏开始游戏结束更新更新更新更新更新更新强化学习参考资料什么是强化学习学习书籍：RichardS.Sutton《Reinforcementlearning:Anintroduction》课程：DavidSilver强化学习课程/video/av32149008UCB大学cs294深度强化学习课程/video/av20957290台湾大学李宏毅深度强化学习教程/video/av63546968强化学习参考资料什么是强化学习其他网络资源：强化学习资源合集/dennybritz/reinforcement-learningOpenai强化学习入门教程/en/latest/莫烦强化学习教程https://morvanzhou.github.io/tutorials/mach

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论