词条

强化学习

强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。这个方法具有普适性，因此在其他许多领域都有研究，例如博弈论、控制论、运筹学、信息论、仿真优化、多主体系统学习、群体智能、统计学以及遗传算法。在运筹学和控制理论研究的语境下，强化学习被称作“近似动态规划”（approximate dynamic programming，ADP）。在最优控制理论中也有研究这个问题，虽然大部分的研究是关于最优解的存在和特性，并非是学习或者近似方面。在经济学和博弈论中，强化学习被用来解释在有限理性的条件下如何出现平衡。

在机器学习问题中，环境通常被规范为马可夫决策过程（MDP），所以许多强化学习算法在这种情况下使用动态规划技巧。传统的技术和强化学习算法的主要区别是，后者不需要关...

强化学习相关文献

学习

词源学习最早可追溯至孔子在《论语》中所言：“学而时习之，不亦说乎？”意思是，学了之后及时、经常地进行温习和实习，不是一件很愉快的事情吗？很明显，学习这一复合名词，就是出自孔子的这一名言。按照孔子和其他中国古代教育家的看法，“学”就是闻、见与模仿，是获得信息、技能，主要是指接受感官信息（图像信息、声音信息及触觉味觉等等信息）与书本知识，有时还包括思想的含义。“学”是自学或有人教你学。“习”是巩固知识、技能的行为，一般有三种含义：温习、实习、练习。“学”偏重于思想意识的理论领域，“习”偏重于行动实习的实践方面。学习就是获得知识，形成技能，获得适应环境改变环境的能力的过程。实质上就是学、思、习、行的总称。学是指知识和经验的累积，习是指知识和经验的实践。学属知，习属行。中国大儒王阳明曾提倡知行合一。荀子在《劝学》中写，“君子曰：学不可以已。”意思是，学习不可以停止，一定要持之以恒。行为主义心理学的...

查看全文

学习曲线

参考文献参见经验学习曲线学习人口自然增长率

查看全文

强化学习

导论基本的强化学习模型包括：环境状态的集合S{displaystyleS};动作的集合A{displaystyleA};在状态之间转换的规则；规定转换后“即时奖励”的规则；描述主体能够观察到什么的

查看全文

秋未龟鳖卵强化孵化和稚龟速养

甲鱼、鳄龟、巴西龟、中国乌龟等两栖类，一般8月份以前所产卵为有效卵。9月份以后所产卵由于自然界气温、干湿度变化无常，秋后天敌活动增强，多数夭折死亡。这批龟卵占全年产卵量的20%左右，弃之损失太大。利用温室饲养青虾捕捞后的空池，把当年9月份所产龟鳖卵收集起来强化孵化出稚龟鳖，只用一年时间就能把这批晚弱稚龟强化孵化养大，收到在自然环境中饲养三年才能达到的效益。一、收集后期卵，强化孵化考虑到孵化过程中对温湿度要求比较严，孵化须用温室，最好用恒温箱。恒温恒湿箱采用规格为65x65x65(CHl)、功率为440瓦，温度控制在33±1℃，相对湿度保持在81%-89%。箱内安置4-5层隔板，在每层隔板上放置一个搪瓷盘作为孵化盘。在盘内铺垫4-5cm厚沙于。约经50-70天时间(如龟卵孵化积温达到4.2万℃时)，稚龟即可破壳而出。在出壳前两天，将孵化盘移至温室内，让其自然出壳，能获得较好孵化效果。二、搭建...

查看全文

细说历史——强化皇权与统治政策的转变

? 武帝是一个权力欲望极强的人，大臣汲黯曾形容武帝“内多欲而外施仁义”。要想实现远大的抱负，武帝必须确保至高无上的权力，他的命令也必须得到贯彻执行。汉初，丞相对皇权起到很大制约作用。从元朔年间开始，武帝任命出身低微、才能平庸的人出任丞相，使丞相无法干预皇帝的决策。但在制度层面，丞相仍然拥有很大权力，依然对皇权构成威胁。武帝决心收夺丞相权力，想到的办法是利用

查看全文

强化学习相关标签

机器学习

人工智能

机器学习算法

学科&术语