关于强化学习应用。现在训练强化学习的奖励是根据执行动作之后的状态与监督学习中的标记的相似程度来判定
进行强化学习，就得有一种评价方式来评估算法到底学的好还是不好。 一种途径是通过reward，reward来源于环境，但reward本身并不是由环境决定，reward可以由人为设定，反映的是人对于什么是好动作的期望。传统的强化学习主要是通过这一方式实现。 另一种途径是直接给出好的专家策略，通过策略间的比较来评价好坏，这是模仿学习，直接模仿专家策略。 当然，给出了专家策略，也可以用逆强化学习来学习出其假想中的reward，再通过传统方法进行强化学习。
■网友
模仿学习是可以不用reward的
推荐阅读
- 过节■江苏省委省政府办公厅下发关于做好2021年元旦春节期间有关工作的通知
- |徐州市出台《关于优化创新创业生态系统 提升区域科技创新活力的实施意见》及实施细则
- |强化“四个环节”做好统战工作棠张镇多措并举推动统战工作创新
- 雨下|全球关于禁售燃油车只是理论上可行吗
- 现在在线学习视频有很多了，为啥大部分人还是喜欢下载下来观看
- 关于用phpfsocket 写Post， 模拟http 报文怎样写入要传输的处理数据
- 婴儿|美国儿科学会： 1岁以下婴儿不推荐学习游泳
- 智叔|很多家长还在整箱买：谈谈关于牛奶的17个真相警惕这些列入黑名单的“假牛奶”
- 媒体聚焦网络知产保护：强化企业社会责任，完善行业监管体系
- 在美国大学学习computer science 是啥样的体验