強化學習基礎(chǔ)理論及算法課件-強化學習簡介及其應(yīng)用_第1頁
強化學習基礎(chǔ)理論及算法課件-強化學習簡介及其應(yīng)用_第2頁
強化學習基礎(chǔ)理論及算法課件-強化學習簡介及其應(yīng)用_第3頁
強化學習基礎(chǔ)理論及算法課件-強化學習簡介及其應(yīng)用_第4頁
強化學習基礎(chǔ)理論及算法課件-強化學習簡介及其應(yīng)用_第5頁
已閱讀5頁，還剩7頁未讀， 繼續(xù)免費閱讀

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

強化學習基礎(chǔ)理論及算法課件強化學習簡介及其應(yīng)用挑戰(zhàn)一張圖解釋強化學習！強化學習需要不斷與環(huán)境交互！開局是智障，裝備全靠打！ 需要大量的模擬數(shù)據(jù)來訓練！訓練其實就是不斷嘗試的過程，慢慢去學習如何才不能撞墻！強化學習也就是咱們的一生經(jīng)歷了學習、學習、學習、學習。與環(huán)境交互中不斷獲得經(jīng)驗例如我通過吃螃蟹，知道了螃蟹好吃、以游戲為例如何才能準確著陸呢？剛開始小飛船可啥也不會設(shè)計獎勵機制，平穩(wěn)著陸就能獲得獎勵實際中獎勵并不是只有最終結(jié)果來判斷，過程中每一步都會產(chǎn)生獎勵小飛船就得想，往哪走（左，右，開火等行為）才能獲得更多的獎勵呢？上臺領(lǐng)獎！應(yīng)用領(lǐng)域遍地開花挑戰(zhàn)一張圖解釋強化學習！機器人要不斷與環(huán)境交互互動就是得到下一步的指示（Action） 按照指示走下步勢必會改變環(huán)境繼續(xù)與環(huán)境交互得到新的指示（結(jié)合獎勵機制來學習要不要這么干?。┯嬎銠C眼中什么是環(huán)境呢？Action是什么與環(huán)境交互后得到的反應(yīng)例如（上，下，左，右） 可能是離散，也可能連續(xù)例如機器人要打我，他不僅能移動（離散）還能出不同的力度（連續(xù)）如何通過狀態(tài)得到當前合適的行為呢？只需要神經(jīng)網(wǎng)絡(luò)就可以啦，輸入為state，輸出為action如何訓練網(wǎng)絡(luò)就成了一個大難題了，現(xiàn)在可不

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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 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。

評論

0/150

提交評論