强化学习模型包括?()
A: 可动态变化的状态
B: 可选取的动作
C: 可以和决策主体进行交互的环境
D: 回报规则
A: 可动态变化的状态
B: 可选取的动作
C: 可以和决策主体进行交互的环境
D: 回报规则
举一反三
- 在强化学习中，主体和环境之间交互的要素有? 回报|状态|强化|动作
- 在强化学习中，主体和环境之间交互的要素有（）。 A: 状态 B: 动作 C: 回报 D: 强化
- 在强化学习中，下列哪项不是主题和环境之间交互的要素（）。 A: 状态 B: 动作 C: 回报 D: 强化
- 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
- （）就是程序或智能体（agent）通过与环境不断地进行交互学习完成从环境到动作的映射，学习的目标就是使累计回报最大化。 A: 监督学习 B: 非监督学习 C: 强化学习 D: 非强化学习