深度学习-强化学习专业术语解释
确定的数值用小写字母表示,还不知道的就是大写字母
state:当前的状态
state transition:状态转移,做出动作后state(状态)变了的过程。
有状态转移函数:p(s’|s,a)=p(S'=s’|S=s,A=a)表示原本状态为s,做出a的动作,得到为s'的新状态的概率。
action:动作
agent:做动作的个体
reward:奖励,做完一个动作就会有一个奖励,会影响强化学习的好坏。eg:打超级马里奥,吃金币有金币+1,赢游戏有金币+10000,死了金币-100那这样的奖励就可以更加激励ai去赢游戏,而不是吃路途中的金币。
environment:环境,也就是程序
policy:根据state决定agent做什么动作
policy function:policy对应的函数。eg:π(a|s)为在s状态时做a动作的概率。
强化学习就是学policy function,让电脑自动操作任务打赢游戏。
状态转移可以是随机也可以是确定,随机性取决于环境。
eg:
up往上跳之后,状态还取决于w.p,取决于下面的小蘑菇运动方向,而他的运动方向是有概率的,所以新s是随机的。
(state,action,reward)trajectory:循环s,a,r。(state,action,reward)
return:(aka cumulative future reward)未来的每次奖励
Ut=Rt + Rt+1 + Rt+2 + Rt+3....。表示将t时刻开始的每次奖励都加起来
由于未来具有不确定性,因此给未来的reward带上权重。
所以有discounted return 折扣回报。
discounted return:
Ut=Rt + yRt+1 + y平方Rt+2 + y三次方Rt+3....。由未来的奖励的重要程度决定y的取值,1
为和该时刻同样重要。
Value function(价值函数)Qπ:
因为未来的动作发生有概率,你也不知道会做哪一个动作,所以用Qπ来表示,做期望。
Qπ(st,at)=E[Ut|St=st,At=at]。表示根据未来每个动作发生的概率做期望
对policy function和state function做积分,积掉At+1,At+2...,就可以得到基于当前st,at并对未来发生各动作的平均情况的期望,得到未来的平均价值,这就是价值函数。就可以知道当前状态下做哪个动作好与不好。这跟policy function有关。
Optimal action-value function:最优价值函数
当前st,at的max的Qπ。
state-value function(状态价值函数):
表示Qπ的期望。可以把A作为随机变量,对A求期望,把A消掉。也就是基于目前状态做任何动作的期望,可以衡量目前的胜率,情况。π只和s有关。
对Qπ求期望也就是累加或积分每个权重乘Qπ,在这里权重就是概率,也就是π函数(决策函数)。
深度学习-强化学习专业术语解释相关推荐
- 最新!李飞飞提出深度进化强化学习新框架
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:新智元 AI博士笔记系列推荐 周志华<机器学习> ...
- 深度进化强化学习第一弹~
hello,这是鑫鑫鑫的论文分享站,今天分享的文章是Embodied Intelligence via Learning and Evolution ,这是一篇李飞飞等提出深度进化RL,我们一起看看吧 ...
- 李飞飞提出深度进化强化学习新框架:创建具身智能体学会动物进化法则
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达 转自 | 新智元 来源 | 外媒 编辑 | Yaxin, LQ 6亿 ...
- 2020人工智能课程超级大列表:深度学习-强化学习-图神经网络-自然语言处理等...
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 本篇博文主要为大家介绍一个课程网站,汇集了机器学习,深度学习.强化学习的各个方面, ...
- 2022主流Nivida显卡深度学习/强化学习/AI算力汇总
2022主流Nivida显卡深度学习/强化学习/AI算力汇总一览表 总结自国外多个网站
- 深度学习强化学习进化计算 入门资源整理
深度学习&强化学习&进化计算 入门资源整理 深度学习 在线课程 在线书籍 学习Python 强化学习 在线课程 在线书籍 更多资源 进化计算 后记 深度学习 在线课程 深度学习是机器学 ...
- 深度学习 - 强化学习 -迁移学习(杨强教授报告)
李宏毅机器学习课程-Transfer Learning 深度学习 -> 强化学习 ->迁移学习(杨强教授报告) 链接: http://pan.baidu.com/s/1nu6DMRn 密码 ...
- 强化学习q学习求最值_通过Q学习更深入地学习强化学习
强化学习q学习求最值 by Thomas Simonini 通过托马斯·西蒙尼(Thomas Simonini) 通过Q学习更深入地学习强化学习 (Diving deeper into Reinfor ...
- AI 自动研发机器学习系统,DeepMind 让算法学习强化学习
人工智能研发的一个大方向是用AI系统来自动化开发AI系统.虽然这一目标尚未实现,但目前的进展让已足够令人人震惊.本文介绍了最新的一些进展,包括伯克利让算法自我优化.MIT自动生成神经网络架构,以及在这 ...
- 强化学习——强化学习概述
文章目录 1. 强化学习 2. 序列决策(Sequential decision making) 3. 动作空间 4. 智能体的组成和类型 4.1 策略 问题:比较随机性策略和确定性策略的优缺点 4. ...
最新文章
- Java线上问题排障:Linux内核bug引发JVM死锁导致线程假死
- Kosaraju 算法检测有向图的强连通性
- 菜鸟的DUBBO进击之路(二):Dubbo初识
- comparator java_java:Comparator比较器
- 寒假每日一题(入门组)【week3 完结】
- 怎么给web 服务器 传文件,web文件传到服务器
- springMVC通过spring.xml对属性注入bean值(工厂模式)
- vue seo关键词设置_SEO关键词优化排名的几个技巧
- Visual Studio调试之避免单步跟踪调试模式
- cocos2d-x-3.x 配置(1)win环境搭建
- 基于MIMO讲解信道估计基本原理
- 【技巧】如何给CSDN上的每篇原创文章添加版权声明
- 一文说清长安链ChainMaker同步模块
- 0611 auto sorting and resend script
- 误删除文件怎么找回 数据恢复用这些方法
- 一些著名软件的开发语言概述
- mysql 时间格式转换年月日时分秒
- html颜色代码对照表
- str和repr显示格式
- 东小店南少:让你终身收益的三个营销思维,看完不再迷茫!