资料下载
×
模型化深度强化学习应用研究综述
消耗积分:0 |
格式:rar |
大小:4.40 MB |
2021-04-12
分享资料个
深度强化学习（DRL）作为机器学习的重要分攴，在 Alphago击败人类后受到了广泛关注。DRL以种试错机制与环境进行交互，并通过最大化累积奖赏最终得到最优策略。强化学习可分为无模型强化学习和模型化强化学习。无模型强仳学习方法的训练过程需要大量样本，当采样预算不足，无法收集大量样本时，很难达到预期效果。然而，模型化强化学习可以充分利用环境模型，降低真实样本需求量，在一定程度上提高样本效率。将以模型化强化学习为核心，介绍该领域的硏究现状，分析其经典算法，并探讨未来的发展趋势和应用前景。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
