分类： 教育科技

代理程序是实现从感知到操作的映射的程序。对于简单的代理，这种查看问题的方式就足够了。对于代…

如果代理人没有世界模型，也就是说，当它不知道可能的行为导致哪种状态时，基于对可能的后继状态…

  到目前为止，对于Q学习，仅给出了粗略的算法模式。特别缺乏的是每次选择起始状态的描述以及…

强化学习的实际应用已经多次展示过。从大量的例子中，我们将简要介绍一个小的选择。 TD-ga…

尽管近年来取得了成功，但强化学习仍然是人工智能研究的一个活跃领域，尤其是因为即使是目前已知…

  今天，我们可以使用运行良好且已建立的学习算法来训练我们的机器。然而，人类培训师或开发人…

到目前为止所描述的所有学习算法 – 除了聚类算法 – 都属于监督学…

∈ SS 如第260 页的图10.4 所示，我们区分了代理及其环境。在时间t，包括代理及其…

  找到成功政策的最简单的可能性是所有政策的组合，如第7章所述。6.然而，即使在简单的例子…

  在列举所有策略的天真方法中，执行了大量冗余工作，因为许多策略在很大程度上是相同的。他们…