《深度强化学习实战》第二章读书摘要

ddllxxrr

《深度强化学习实战》第二章读书摘要 [复制链接]

      大体读明白点第二章的内容，但举的例子，我觉得有点不太好，一个是老虎机，这个想找出最大的回馈的机器，我觉得这是个䢫机问题，也就是说，每台机器都是程序控制的。我的意思是

它们的机率是一样的。再举了一个医生看病开药的事，说有10种药方，不知道开哪个。这种事情在中医就是个笑话。因为这得凭经验来做的事情。

       以下是摘录：

     

书中的一个举例，把神经网络给定义了，“神经网络”是一种由多个“层”组成的机器学习模型，这些层会执行矩阵-向量乘法，然后应用一个非线性“激活”函数。神经网络的矩阵是模型的可学习参数，通常称为神经网络的权重。

 

这一句话把神经网络说的清清楚楚。

 

多数情况下，线图（有时在其他来源中称为路线图）类似于流程图，它表示沿着（直线或箭头的方向）进入流程（计算、函数、转换、过程等）中的输入数据流，

 

在2.2 解决多臂老虎机问题中 ，定义了Q函数，称为价值函数（value function）用于表示事物的价值。

 

 

 

 

 

 

 

 

 

 

 

 

任何强化学习算法的目标都是在整个事件过程中最大化奖励。

 

从上述定义，可以想到这和人类社会一样，都是在追求利益最大化。

 

马尔可夫性质：我们只需向其提供当前状态，神经网络就会为每个可能的动作产生期望的奖励。在强化学习中，这种重要的性质称为马尔可夫性质。

 

下边的话我觉得很重要：

 

强化学习算法本质上构造了一个在环境中活动的智能体。环境通常是一种游戏，但普遍来说是任何产生状态、动作和奖励的过程。

 

究竟如何利用当前的状态信息来决定采取什么动作呢？这就是关键概念价值函数和策略函数发挥作用的地方。

 

 

总之，这就是强化过程的一般过程：