內(nèi)容課件說明_第1頁
內(nèi)容課件說明_第2頁
免費預(yù)覽已結(jié)束，剩余2頁可下載查看

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

一、強化學(xué)習(xí)后獲得一個非常好的。需要強調(diào)的是，強化學(xué)習(xí)并不代表一類學(xué)習(xí)算法，則狀態(tài)空間是完全可觀察的，可以從MDP模型中獲得良好的策略（如Q-learning及其變化。然而，在大多數(shù)情況下，不能完全觀察和記錄系統(tǒng)的狀γ）組成的元組。SAT率。R是功能。Ω是一組觀察值。O是一組觀察概率。γ是折扣因子。可能會記錄到兩種可能的觀察結(jié)果。在一種情況下，感知到太多三、model-free在Model-freeAgent能執(zhí)行的動作和執(zhí)行動作后的回報值，不同于Model-based方法，一般Agent在探索世界的過程中并不需要學(xué)習(xí)回報函數(shù)R(s,a)和狀態(tài)轉(zhuǎn)移函數(shù)Tr(s,a,s’)，而是直接利用當前狀態(tài)s,執(zhí)行的a,回報值r,到達的新狀態(tài)s’來更新Q(s,a)，based更加實用，因為后者需要非常巨大的計算量。Model-free方法旨在學(xué)習(xí)POMDP模型的狀態(tài)空間，而不是學(xué)習(xí)其他參數(shù)。式的方法來解決它，如HQ學(xué)習(xí)。具體過程如圖1所示。Q以表示為????=<?????1?????1????????>。在表達式中，?????1表示在時間t-1（當前的時間是t。?????1是最后一個動作。????是目前的觀察，????是時間t的回報。NSM算法和USM算法都是基于實例的學(xué)習(xí)。四、USM）UtileSuffixMemory(USM)算法[McCallum,1995Instance-based法，這種方法以動作-回報-觀察的三元組形式（即實例了agent在探索世界）????=<?????1,?????1,????,????其中?????1是上一個時刻的實例記錄，?????1是上一個動作，????進而學(xué)習(xí)并計算Q值。USM算法使用了經(jīng)典的記錄字符串的后綴樹的結(jié)構(gòu)來實例序列信息。所有的實例Tt按

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論