环境在接受到个体的行动之后，会反馈给个体环境目前的状态（state）以及由于上一个行动而产生的（）。
A: action
B: reward
C: state
D: agent
A: action
B: reward
C: state
D: agent
B
举一反三
- Q-learning算法中的Q表（Q-table）的row表示什么？（） A: 奖励（reward） B: 环境（environment） C: 代理人（agent） D: 行动（action） E: 状态（state）
- 强化学习把学习看作试探评价过程，Agent选择一个（1）用于环境，环境接受该动作后（2）发生变化，同时产生一个（3）反馈给Agent，Agent根据强化信号和环境当前状态再选择下一个选择的原则是使受到正强化(奖)的概率增大。选择的动作不仅影响立即强化值，而且影响环境下一时刻的状态及最终的强化值。
- 一个强化学习模型，下列叙述何者为真？（） A: 一组可以动态变化的状态（state）。比如围棋棋盘上的黑白子的分布位置，市场上的每支股票的价格 B: 一组可以选取的动作（action）。比如对于围棋来说，就是可以落子的位置；对于股票交易来说，就是每个时间点，买入或者卖出的股票以及数量 C: 一个可以和决策主体（agent）进行交互的环境。这个环境会决定每个动作后状态如何变化。比如说围棋博弈中的对手，或者股票市场。在强化学习中，为了降低学习的代价，很多时后我们会使用一个通过机器模拟的环境，而不是以真实场景作为环境 D: 回报（reward）规则。当决策主体通过行动状态发生变化时，它会获得回报或者受到惩罚 E: 以上皆是
- 个体必须按照社会环境的期待、要求或者规范去行动，否则就会受到环境的惩罚，或者对个体不利
- 教育行动研究通常遵循的过程是( ) A: 计划一行动一反馈—调整一再行动 B: 计划一行动—调整一反馈一再行动 C: 计划一反馈一行动一调整—再行动 D: 计划一行动—调整一再行动一反馈
内容
- 0
受众依据拟态环境来做出行动，行动会改造拟态环境。
- 1
自我调节是指个体受到环境的作用而促进原有心理状态的变化和创新以适应外界环境的过程。（)
- 2
工作压力的产生取决于三个方面的因素：外在的环境和工作要求、（）、个体的认知评价。 A: 压力源 B: 个体的资源 C: 对行动后果的评价 D: 社会舆论
- 3
自我调节是指个体受到（）的作用而促进原有心理状态的（）以适应外界环境的过程。
- 4
个体由于不明确承担这个角色应该如何行动而造成不适应的反应称为