Deep Learning深度學習基礎–第九章–摘錄

引言

本文摘錄《Deep Learning深度學習基礎》一書第九章的要點。

內文摘錄

第九章 深度強化學習

從本質上來說，強化學習(reinforcement learning)就是透過與環境互動的方式來學習的一種做法。這種學習的過程，牽涉到「環境(environment)」、「動作(action)」以及「獎勵(reward)」信號。動作者(actor，也就是我們的代理者(agent))會在「環境」中選擇做出某個「動作」，以得到相應的「獎勵」。動作者選擇動作的方式，就稱為「策略(policy)」。如果動作者想增加它所得到的獎勵，就必須學會與環境互動的最佳策略。
強化學習與目前已經介紹過的其他型態學習方式有所不同。在傳統監督式(supervised)學習中，我們會給模型一些資料和相應的標記(答案)，然後訓練模型，讓它在遇到其他資料時，也能預測出相應的標記(答案)。在無監督式(unsupervised)學習中，我們只給資料，模型則必須學習找出資料中相應的結構。而在強化學習中，我們既沒有資料也沒有相應的標記(答案)。我們的學習信號，來自於環境提供給代理者的獎勵。

參考文獻

http://books.gotop.com.tw/v_A553