强化学习(reinforcement learning,又称再励学习,评价学习)是一种重要的机器学习方法,在智能控制机器人及分析预测等领域有许多应用。但在传统的机器学习分类中没有提到过强化学习,而在连接主义学习中,把学习算法分为三种类型,即非监督学习(unsupervised learning)、监督学习(supervised leaning)和强化学习。
十分好的做法是经过强化学习(reinforcement learning),即是本年大红的AlphaGo的类似算法。怎样更高效的做到查找与排序一致的端对端的练习,这是一个十分值得研讨的疑问。
基于3859个网页-相关网页
深度强化学习 deep reinforcement learning ; DRL
分层强化学习 hierarchical reinforcement learning ; HRL
强化学习理论 reinforcement learning theory ; reinforcement learning
层次强化学习 Hierarchical Reinforcement Learning ; HRL
遗传强化学习 Genetic Reinforcement Learning
游戏中的强化学习 Reinforcement Learning in Games
延迟强化学习 delayed reinforcement learning
平均报酬强化学习 average reward reinforcement learning
金融中的强化学习 Reinforcement Learning in Finance
Q learning is of great importance in reinforcement learning.
Q 学习是一种重要的强化学习算法。
参考来源 - 一种多步Q强化学习方法 in C·2,447,543篇论文数据,部分数据来源于NoteExpress
为便于强化学习,他有和我交朋友的强烈意向。
For convenience of intensive study, he has an intense intention of making friend with me.
学习是一种重要的强化学习算法。
No, and there's several demonstrations at the time of Skinner suggesting that they don't.
答案是否定的,早在斯金纳的时代就已经有证据表明,动物无需强化与惩罚也能进行学习。
Is it true that animals need reinforcement and punishment to learn?
动物真的需要强化和惩罚才能进行学习吗?
应用推荐