Processing math: 75%

By

文章目录
  1. 1. 机器学习17—增强学习——拟合的值迭代法（fitted value iterator）
    1. 1.1. Learn a Model
      1. 1.1.1. 拟合的值迭代法（fitted value iterator）
        1. 1.1.1.1. 随机的Simulator
        2. 1.1.1.2. 确定的Simulator
        3. 1.1.1.3. 不确定的Simulator
  2. 2. NG老师的详细过程

机器学习17—增强学习——拟合的值迭代法（fitted value iterator）

本章不是很理解，只是把笔记摘录了一些。
首先讲到了离散化。

Learn a Model

  1. 对于如下序列

    我们定义Model或者Simulator为：
    St+1=ASt+Bat
  2. 然后，我们通过最小化下面的误差就可以得到参数：

拟合的值迭代法（fitted value iterator）

随机的Simulator

通过随机采样，求取平均值，来模拟当前状态s的值函数；然后，最小化误差函数，来估计参数。

  1. 取样
    取样{s1,…,sm} 包含于S randomly
  2. 初始化
    初始化θ:=0
  3. 重复迭代

    大致思路：公有m个状态。通过随机采样k个状态s，求平均值获得q(a)；通过不同的行为获得y(i)，求得值函数的最大值；对每一个状态，通过最小化误差函数求取参数θ。

确定的Simulator

模型确定，即我们知道了$S{t+1}=AS_t+Ba_t，或者S{t+1}=f(s ~ a)；从而可以确定下一个状态。我们只需要对每一个状态，通过最小化误差函数求取参数θ。对于上面的步骤，设k=1$。

不确定的Simulator

采用如下方式：

其中，{\epsilon}_{t} 为误差，服从高斯分布。

NG老师的详细过程






ML
文章目录
  1. 1. 机器学习17—增强学习——拟合的值迭代法（fitted value iterator）
    1. 1.1. Learn a Model
      1. 1.1.1. 拟合的值迭代法（fitted value iterator）
        1. 1.1.1.1. 随机的Simulator
        2. 1.1.1.2. 确定的Simulator
        3. 1.1.1.3. 不确定的Simulator
  2. 2. NG老师的详细过程