基本信息
文件名称：第6章 强化学习.pptx
文件大小：7.57 MB
总页数：18 页
更新时间：2025-10-21
总字数：约2.25千字
文档摘要
第6章强化学习
6.1初识强化学习2025年10月20日深度策略表示经过10分钟训练后的效果经过240分钟训练后的效果●学习观测空间到动作空间的映射（策略）●学习的目标是最大化累积回报例1：DQN学习玩雅达利游戏。DeepMind于2015年发表在《Nature》上的论文Mnih,V.,Kavukcuoglu,K.,Silver,D.etal.Human-levelcontrolthroughdeepreinforcementlearning.Nature518,529–533(2015)
6.1初识强化学习2025年10月20日例2：AlphaGo