17/12/2019 09:45:34 PM

Bài viết sưu tầm

Hàm phản hồi trong học tăng cường
Mục đích của tác tử là cực đại hoá các mục tiêu được tích luỹ trong tương lai. 
Hàm phản hồi R(t) được biểu diễn dưới dạng hàm số đối với các mục tiêu. Trong 
các bài toán quyết định Markov, hàm phản hồi sử dụng biểu thức dạng tổng. Các 
nhà nghiên cứu đã tìm ra ba biểu diễn thường được sử dụng của hàm phản hồi: 
Trong các bài toán số bước hữu hạn 
Với những bài toán này ta có một số hữu hạn các bước trong tương lai. Sẽ tồn 
tại một trạng thái kết thúc và một chuỗi các hành động giữa trạng thái đầu tiên và 
trạng thái kết thúc được gọi là một giai đoạn. 
 
Trong các bài toán số bước vô hạn 
Với những bài toán này ta có chuỗi các hành động là vô hạn. Một hệ số suy 
giảm γ, 0≤γ≤1 được đưa ra và hàm phản hồi được biểu diễn dưới dạng tổng của 
các giá trị mục tiêu giảm dần.
 
Hệ số γ cho phép xác định mức độ ảnh hưởng của những bước chuyển trạng 
thái tiếp theo đến giá trị phản hồi tại thời điểm đang xét. Giá trị của γ cho phép 
điều chỉnh giai đoạn tác tử lấy các hàm tăng cường. Nếu γ = 0, thì tác tử chỉ xem 
xét mục tiêu gần nhất, giá trị γ càng gần với 1 thì tác tử sẽ quan tâm đến các mục 
tiêu xa hơn trong tương lai. 

» Tin mới nhất:

» Các tin khác:

Hôm nay, ngày

30/01/2026

Tuần học:

26

Sinh viên tiêu biểu

Số lượt truy cập: 11062320