人类生活中大部分的学习都是通过与环境产生互动进行,从而习得经验
婴儿玩耍、挥动手臂或环顾四周时,他没有明确的知识指导,但却对周围环境有直接的感知,这种感知会产生因果关系、行动后果,如碰到硬东西会疼,碰到热东西会烫等结果反馈,这些反馈就会变成婴儿的经验和知识,从而形成一个人为实现目标而应采取的行动等知识
在生活中此类互动无疑是我们对有关环境认知的主要知识来源,这类互动总结起来就是不停的探索和试错
日常生活中我们会意识到环境对我们所做行为的反馈,并且试图通过采取相应的后续行为来影响发生的事情
与监督学习不同,强化学习不使用标签数据进行训练,智能体是在与环境的交互中不停探索和试错,逐渐获得知识经验(环境反馈),并最终形成自己在环境中的执行策略,从而得到一个训练好的强化学习模型
监督学习算法的主要功能是分类、识别及预测等;而强化学习算法则是在训练中通过探索和试错最终得到最优或近似最优的行为执行决策
近些年来,为了进一步提升强化学习的学习性能,出现了将有监督的深度学习与强化学习的结合,形成了深度强化学习
2022-04-06 02:25:43
5.3MB
算法