What is RL

基于学习的决策的数学形式
从经验中学习决策和控制的方法

Why should we study this now

• 深度神经网络特征方法
• 强化学习的提升
• 计算能力的提升

我们还需要解决哪些其他问题才能实现现实世界的顺序决策?

1.如何学习

Learning from reward

基本的强化学习处理的是最大化奖励，这并不是影响顺序决策的唯一问题!

更高级的方法．

1.从示例example中学习奖励函数(反向强化学习)
2.领域间的知识转移(迁移学习、元学习)
3.学习预测并利用预测来行动

2.other forms of supervision

①Learning from demonstrations（从演示中学习）

• 直接复制观察到的行为
• 从观察到的行为推断奖励(反向强化学习)

②Learning from observing the world（从观察世界中学习）

• 学会预测
• 无监督学习

③Learning from other tasks（从其他任务中学习）

• 转移学习
• 元学习：学会学习

为什么需要DRL

深度Deep可以处理复杂的感官输入，也可以计算非常复杂的函数
强化学习RL可以选择复杂的行为

DRL目前取得well的方面

• 在简单、已知的规则所控制的领域获得高度的熟练程度
• 在有足够经验的情况下，使用raw生图输入能够学习简单的技能
• 从模仿足够多的人为专家行为中学习

挑战

• 人类的学习速度非常快，而深度RL方法通常很慢
• 人类可以重复使用过去的知识，而深度学习中的迁移学习是一个有待解决的问题
• 不清楚奖励功能是什么
• 不清楚预测的作用是什么

标签：Control,lec,Decision,学习,奖励,Learning,深度,RL,强化
来源： https://www.cnblogs.com/yunshalee/p/16244858.html