学科分类 - 《中国大百科全书》第三版网络版

高级搜索

个人中心
机构中心
退出

专业板块专题板块大众板块

总分类

哲学经济学法学教育学文学历史学理学工学农学医学军事学管理学艺术学

返回总分类

首页

强化学习/ reinforcement learning // reinforcement learning /

一种重要的机器学习方法。从动物行为心理学发展而来，与运筹学、演化计算、最优控制、神经网络、博弈论、统计学、信息论等学科领域有密切的联系。又称再励学习、激励学习、增强学习、评价学习。

模仿学习/ imitation learning /imitation learning
强化学习
一种通过拟合专家提供的示范轨迹来完成策略学习的方法。
直接策略搜索/ direct policy search /direct policy search
强化学习
一类不依赖值函数估计，而直接对策略进行优化的强化学习算法。
探索-利用窘境/ exploration-exploitation dilemma /exploration-exploitation dilemma
强化学习
最早在管理学中提出的概念。企业的流程管理（process management）可以遵循已知的高效模式来进行，但这样就失去了探索未知的更高效模式的机会。然而如果进行了过多的未知的探索，将使企业效率低下。这就是管理学中的探索-利用窘境。
贝尔曼等式/ Bellman equation /Bellman equation
强化学习
又称贝尔曼方程、动态规划方程，由理查徳贝尔曼(Richard Bellman)发现，是动态规划等最优化方法存在最优性的一个必要条件，在机器学习、最优控制理论、应用数学和经济学等领域有重要应用。
k摇臂老虎机/ k-armed bandit /k-armed bandit
强化学习
最早由汤普森（Thompson）于1933年提出。
主动强化学习/ active reinforcement learning /active reinforcement learning
强化学习
将主动学习[1]（active learning）思想引入强化学习（reinforcement learning）过程中，进而提高强化学习效率的一种学习方法。
部分可观测马尔可夫决策过程/ partially observable markov decision process /partially observable markov decision process
强化学习
无模型学习/ model-free Learning /model-free Learning
强化学习
不依赖于环境建模的学习算法。因缺少模型信息，无法直接获取环境的状态迁移概率和奖赏函数。因此，往往需要通过不断的采样来进行值函数、策略的评估与改进。
有模型学习/ model-based learning /model-based learning
强化学习
即在模型已知的环境中学习。又称动态规划方法（dynamic programming）。
时序差分学习/ temporal difference learning /temporal difference learning
强化学习
时序差分学习算法是强化学习中一种用于预测的经典算法，最早由R.萨顿（Richard Sutton）提出。此算法可以获得和监督学习同样的效果，并且占用的内存更少、收敛更快。

强化学习/ reinforcement learning // reinforcement learning /

模仿学习/ imitation learning /imitation learning

直接策略搜索/ direct policy search /direct policy search

探索-利用窘境/ exploration-exploitation dilemma /exploration-exploitation dilemma

贝尔曼等式/ Bellman equation /Bellman equation

k摇臂老虎机/ k-armed bandit /k-armed bandit

主动强化学习/ active reinforcement learning /active reinforcement learning

部分可观测马尔可夫决策过程/ partially observable markov decision process /partially observable markov decision process

无模型学习/ model-free Learning /model-free Learning

有模型学习/ model-based learning /model-based learning

时序差分学习/ temporal difference learning /temporal difference learning