內(nèi)容課件說(shuō)明_第1頁(yè)
內(nèi)容課件說(shuō)明_第2頁(yè)
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

一、強(qiáng)化學(xué)習(xí)后獲得一個(gè)非常好的。需要強(qiáng)調(diào)的是，強(qiáng)化學(xué)習(xí)并不代表一類(lèi)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?？赡軙?huì)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(dòng)作和執(zhí)行動(dòng)作后的回報(bào)值，不同于Model-based方法，一般Agent在探索世界的過(guò)程中并不需要學(xué)習(xí)回報(bào)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(dāng)前狀態(tài)s,執(zhí)行的a,回報(bào)值r,到達(dá)的新?tīng)顟B(tài)s’來(lái)更新Q(s,a)，based更加實(shí)用，因?yàn)楹笳咝枰浅＞薮蟮挠?jì)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(lái)解決它，如HQ學(xué)習(xí)。具體過(guò)程如圖1所示。Q以表示為????=<?????1?????1????????>。在表達(dá)式中，?????1表示在時(shí)間t-1（當(dāng)前的時(shí)間是t。?????1是最后一個(gè)動(dòng)作。????是目前的觀察，????是時(shí)間t的回報(bào)。NSM算法和USM算法都是基于實(shí)例的學(xué)習(xí)。四、USM）UtileSuffixMemory(USM)算法[McCallum,1995Instance-based法，這種方法以動(dòng)作-回報(bào)-觀察的三元組形式（即實(shí)例了agent在探索世界）????=<?????1,?????1,????,????其中?????1是上一個(gè)時(shí)刻的實(shí)例記錄，?????1是上一個(gè)動(dòng)作，????進(jìn)而學(xué)習(xí)并計(jì)算Q值。USM算法使用了經(jīng)典的記錄字符串的后綴樹(shù)的結(jié)構(gòu)來(lái)實(shí)例序列信息。所有的實(shí)例Tt按

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論