文档摘要

6.3 深度强化学习 本节摘要：监督学习需要带标签的数据，强化学习却从"试探 + 奖赏"里自己长出策略。本节讲清智能体、环境、状态、动作、奖励这套框架，点出策略梯度与价值函数两条打法，再说为什么训练更贵、更会震荡，最后把它摆回主线。 前几章（包括 6.1、6.2 的生成）都需要一个目标答案来判断好坏。强化学习（RL）把这一套抛到一边：没有谁告诉你"这一步该按哪个键"，只有环境在你做对时给奖励、做错时不给。 会员。《6.3 深度强化学习》收录于灏天文库文集《深度学习核心算法精讲：从原理到实践》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/493-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A0%B8%E5%BF%83%E7%AE%97%E6%B3%95%E7%B2%BE%E8%AE%B2%E4%BB%8E%E5%8E%9F%E7%90%86%E5%88%B0%E5%AE%9E%E8%B7%B5

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流