机器学习课件 9.1强化学习基本概念.pptxVIP

什么是强化学习

引言什么是强化学习航海王——路飞和他的伙伴们宝藏“onepiece”

引言什么是强化学习航海王——路飞和他的伙伴们在这个过程中，他们要经历许多决策招募伙伴帮助居民帮助居民找到onepiece

引言什么是强化学习找到“onepiece”宝藏序贯决策过程（强化学习过程）过程中包含状态、动作、反馈(奖赏)等需多次决策，在过程中不断摸索，才能总结出较好的策略

强化学习的基本要素什么是强化学习

强化学习的基本要素什么是强化学习

强化学习的基本要素什么是强化学习强化学习实际上是找一个从观测到动作的最优映射函数输入是外界观测目标是奖励最大化

强化学习的主要特点什么是强化学习学习过程中没有监督信号，只有奖励（reward）其反馈（feedback）是延迟的而非瞬间的强化学习过程与时间序列相关，是一个序贯决策的过程Agent采取的动作（action）会影响到它所接受的序列数据

用强化学习解决问题什么是强化学习摆车问题一般方法：需要知道车和摆的质量、摆的长度……强化学习方法：自己学习，不需要这些知识

用强化学习解决问题什么是强化学习AlphaGo（Zero）从经验中学习新知识

用强化学习解决问题什么是强化学习淘宝搜索广告业务用户点击扣费浏览过程即与平台连续交互的过程排序问题RL问题利用强化学习的序列优化能力进行策略优化

强化学习算法分类及发展趋势什么是强化学习