【读书笔记】Algorithms for Decision Making（7）
三、序列问题（3）策略搜索即搜索策略空间，而无需直接计算值函数。策略空间的维数通常低于状态空间，并且通常可以更有效地搜索。本部分首先讨论在初始状态分布下估计策略价值的方法。然后讨论不使用策略梯度估计的搜索方法和策略梯度方法。接着介绍Actor-Critic方法用值函数的估计来指导优化。4. 策略搜索4.1 近似策略评估在已知初始状态$b(s)$的情况下，可计算策略$\pi$的预期折扣回报：$$\....
【读书笔记】Algorithms for Decision Making（6）
三、序列问题（2）上文中提及的精确解方法适用于小型离散问题，对于较大状态空间的问题，计算精确解需要极大的内存量，因而考虑近似解的方法。常使用approximate dynamic programming的方法去寻求近似解，进而使用在线方法实现实时计算。2. 近似值函数2.1 参数化表示记值函数的参数化表示为$\mathcal{U}_{\theta} (s)$。struct Approximate....
【读书笔记】Algorithms for Decision Making（3）
二、概率推理（2）上一部分给出了概率分布的表示论。本部分将展示如何使用概率表示进行推理，即确定一组给定观察变量相关值的一个或多个未观察变量的分布。在该部分中首先介绍直接推断的办法，然后给出几种有效的近似方法。2. 推断2.1 贝叶斯网络中的推断在推断问题中，通过给定的可观测的证据变量$A$，推断查询变量（query variables ）$B$的分布。 其他节点被称为隐藏变量（hidden va....
【读书笔记】Algorithms for Decision Making（1）
前言看到了木遥老师的推荐，下载but没有打开。简介就引用木遥老师原文了，谢谢老师！我自己的粗浅看法：机器学习要不是拟合逼近（经常提及的machine learning），要不就是决策过程（reinforcement learning），这本书主要讲述后者的前世今生。一、引言"In retrospect, it is interesting to note that the original pr....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。