王荣贵 第6章 强化学习.pptxVIP

机器学习 Machine Learning ;2020/10/12;;2020/10/12;2020/10/12; 强化学习概述;7;8; 强化学习构成;10;11;12;13;14;15;16;17;18;2020/10/12; 马尔科夫链; 马尔科夫过程; 马尔科夫过程; 马尔科夫过程; 马尔科夫决策过程; 马尔科夫决策过程; 强化学习状态转移; 确定转移; 随机转移; 累计反馈; 累计反馈; 累计反馈; 累计反馈; 累计反馈; 强化学习策略; 确定策略; 随机策略; 累计反馈期望; 累计反馈期望; 累计反馈期望; 动作值函数; 动作值函数; 动作值函数; 最优值函数; 最优值函数; 例 题; 例 题; 例 题; 例 题;2020/10/12; 强化学习计算方式; 有模型强化学习; 有模型强化学习; 无模型强化学习; 分层方法; 启发式方法; 启发式方法; 启发式函数; 启发式函数;2020/10/12;2020/10/12;2020/10/12; 值迭代学习; 值迭代学习; 值迭代学习; 值迭代学习; 值迭代学习; 冗余值迭代; 冗余值迭代; 冗余值迭代; 冗余值迭代; 冗余值迭代; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题;2020/10/12; 时序差分学习; 单步时序差分; 单步时序差分; 单步时序差分; 单步时序差分; Sarsa算法; Sarsa算法步骤; Sarsa算法步骤; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 多步时序差分; 多步时序差分; TD(λ)算法;2020/10/12; Q学习; Q学习算法过程; Q学习算法过程; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题; 例 题;2020/10/12;2020/10/12;2020/10/12; 模仿强化学习 ; 模仿强化学习 ; 模仿强化学习 ; 例 题 ; 例 题 ;2020/10/12; 逆向强化学习 ; 逆向强化学习 ; 逆向强化学习 ; 逆向强化学习 ; 逆向强化学习 ; 逆向强化学习 ; 学徒学习 ;本章内容到此结束