莫烦随笔

Posted zhang1422749310

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了莫烦随笔相关的知识,希望对你有一定的参考价值。

 

遗传算法    一次次求得最优解

进化策略  有效避免局部最优(过拟合)  并行能力计算

 

 

 

强化学习  

什么都不懂->找到规律  给你的行为打分  

核心思想:同样的行为拿到高分,并避免低分的行为      分数导向性

技术图片

 

 

 

不理解环境:从环境中得到反馈

 

理解环境:为现实世界建模,多出来个虚拟环境

通过过往的经验理解现实世界是怎样的,并建立一个模型来模拟现实世界的反馈    现实模拟两世界中都可以玩耍  

通过想象来预判要发生的所有情况,根据想象中的情况选择最好的那种,并根据这种情况来采取下一步的策略

 

基于概率  Policy Gradients

通过感官分析所处的环境,直接算出下一步采取行动的概率,根据概率采取行动,每一种动作都可能被选中,只是可能性不同

基于价值:决策部分更为肯定,毫不留情就选价值最高的  (连续的动作无能为力)Q Learning Sarsa

Actor-Critic   基于概率做出动作,并对做出的动作给出动作的价值

 

Q Learning

off-policy    不怕死

技术图片

技术图片

 greedy  决策上的一种策略

a  学习效率  决定这次误差有多少要被学习  <1

y  未来奖励的衰减值

 

 

 

Sarsa

技术图片

on-policy  在线学习    单步更新   更保守、安全

 

Sarsa(lambda)  更行选择的步数  衰变值

lambda  0为单步更新1为回合更新  介于0~1之间  (离宝藏越近更新力度越大)

回合更新:走的步数都是为了得到宝藏所要学习的步

 

DQN(deep q network)

 Policy Gradients

直接输出动作  连续区间内选择动作

误差反相传递  增加被选的概率  奖惩

 

以上是关于莫烦随笔的主要内容,如果未能解决你的问题,请参考以下文章

随笔标题

随笔测试

笔新新随随笔 新随

新随笔新随笔

随笔新新随随笔随随随

随笔新新随随笔随随随随