电子书-强化学习领域中的迁移（英）

147

电子书-强化学习领域中的迁移（英）

# 计算机 # 强化学习 # 迁移大小：2.33M | 页数：236 | 上架时间：2021-10-26 | 语言：英文

电子书-强化学习领域中的迁移（英）.pdf

免费阅读10页，购买之后可查看、下载236页完整报告

电子书-强化学习领域中的迁移（英）.pdf

试看10页

类型: 电子书

上传者: user_60631545

出版日期: 2021-10-26

摘要：

In reinforcement learning (RL) problems, learning agents sequentially execute actions with the goal of maximizing a reward signal. The RL framework has gained popularity with the development of algorithms capable of mastering increasingly complex problems, but learning difficult tasks is often slow or infeasible when RL agents begin with no prior knowledge. The key insight behind "transfer learning" is that generalization may occur not only within tasks, but also across tasks.

在强化学习（RL）问题中，学习代理以最大化奖励信号为目标依次执行动作。随着能够处理日益复杂问题的算法的发展，RL框架变得越来越流行，但是当RL代理在没有先验知识的情况下开始学习困难的任务时，学习往往很慢或不可行。“迁移学习”背后的关键洞见是，泛化不仅可能发生在任务内部，也可能发生在任务之间。

展开>> 收起<<

请登录，再发表你的看法

user_60631545

关注