机构名称：
¥ 3.0
rl是机器学习的领域，与软件代理如何在环境中采取行动，以最大程度地提高累积奖励的概念。rl是三个基本的机器学习范式之一，以及受监督的学习和无监督的学习。它与监督的学习不同，因为它不需要标记输入/输出对并明确纠正次优的动作。相反，重点是……在探索（未知领域）和剥削（当前知识）之间取得平衡。环境通常以马尔可夫决策过程（MDP）的形式说明，因为此上下文的许多RL算法都利用动态编程技术。经典动态编程和RL算法之间的主要不同：RL不假定MDP的精确数学模型的知识，并靶向大型MDP，而确切方法变得不可行。
LSE法律，技术与社会（LTS）中心事件
主要关键词
相关文件推荐
