反饋調(diào)節(jié)的方法

在這里沒(méi)有teacher

我們有一個(gè)agent

agent對(duì)于環(huán)境有一個(gè)observation，并且我們得到了對(duì)應(yīng)的reward

我們提供了所對(duì)應(yīng)的action來(lái)實(shí)現(xiàn)這樣的效果

我們把我們的observations和reward放到learning algorithm里面

這個(gè)learning algorithm會(huì)隨后更新agent的policy

系統(tǒng)的能量越小越好

用這個(gè)coveriance hypothesis

我們能夠有正的和負(fù)的的delta w

總結(jié)

以上是生活随笔為你收集整理的23号神经网络课程的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。