【摘 要】
：
强化学习通过试错与环境交互获得策略的改进,其自学习和在线学习的特点使其成为机器学习研究的一个重要分支.该文首先介绍强化学习的原理和结构;其次构造一个二维分类图,分别
【机 构】
：
南京大学计算机软件新技术国家重点实验室
论文部分内容阅读
强化学习通过试错与环境交互获得策略的改进,其自学习和在线学习的特点使其成为机器学习研究的一个重要分支.该文首先介绍强化学习的原理和结构;其次构造一个二维分类图,分别在马尔可夫环境和非马尔可夫环境下讨论最优搜索型和经验强化型两类算法;然后结合近年来的研究综述了强化学习技术的核心问题,包括部分感知、函数估计、多agent强化学习,以及偏差技术;最后还简要介绍强化学习的应用情况和未来的发展方向.
其他文献
目的了解北京市海淀医院抗结核药物的临床应用情况,以便对综合性医院合理应用抗结核药物方案提供参考依据。方法利用北京市海淀医院计算机信息系统统计2010年度该院各一线抗
<正>文化人类学关于旧大陆我国北方农耕文化类型的研究,大多数是以杂粮栽培型农耕向种麦混合型农耕发展的说法为定论的。这种说法当然和我国北方农业史上种植高梁、黍子、稷
语义社会网络(Semantic social network,SSN)是一种由信息节点及链接关系构成的新型复杂网络,为此以节点邻接关系为挖掘对象的传统社会网络社区发现算法无法有效处理语义社会
罗尔斯正义理论呈现出阶段性的修正和转换。文章通过西方宪政传统这一维度,考量了罗尔斯正义理论的确立和转换。认为促使其理论转换的深层原因在于正义原则对宪政民主政体有
介绍了蒸汽喷射泵能有效利用高品位蒸汽的裕压,回收低压蒸汽,起到节能的作用。
本文对图书馆资源的概念及构成的诸多观点进行了分析、论证,本人认为图书馆资源是指图书馆为了利用而组织起来的相互联系的多种资源的动态有机整体,它由信息资源、人力资源、
研究目的:瓦斯隧道在运营中,瓦斯浓度在任何时间、任何地点都不得大于0.5%。针对其规范要求进行研究,进而采取有效的瓦斯隧道运营通风监控系统的设计。研究方法:在总结南昆线
本文首先分析企业资产管理中存在问题,提出引入RFID技术来提高管理水平。接着介绍RFID(射频识别)技术的概念及RFID系统的组成和工作原理,论述了该技术在企业资产管理领域的应
<正> 历史犹如色彩斑斓变幻无穷的万花筒,让探索它奥秘的人们感到深不可测,这也许就是它的魅力所在吧!有些事情似乎都是难解之谜,例如功勋卓著的改革家为何没有好下场,吴起、
<正> 从一般意义上说,人们对胎儿性别自然是十分关切而想知底的,首次怀孕更是如此。古代重男轻女的观念更加重了这种悬念。生女不生男,还被看成妻子的命相不好,妻子及娘家的