強化學習中agent與actor的區(qū)別
【強化學習中agent與actor的區(qū)別】
Agent無處理邏輯，只收lambda，用lambda加工自己的狀態(tài) 。Actor有邏輯 ， 收消息，消息可以是數(shù)據(jù)也可以lambda ， Actor處理消息 。關鍵區(qū)別是：Actor有個主動過濾消息的過程；而agent沒有，是被動的，不論什么lambda都要執(zhí)行 。強化學習，又稱再勵學習、評價學習或增強學習 ， 是機器學習的范式和方法論之一，用于描述和解決智能體在與環(huán)境的交互過程中通過學習策略以達成回報最大化或實現(xiàn)特定目標的問題 。強化學習的常見模型是標準的馬爾可夫決策過程 。
推薦閱讀
- 擴展名中允許使用多個分隔符嗎
- 皮皮蝦什么粘料好吃
- 煙雨江湖怎么掛機升級
- 中衛(wèi)鼓樓底下有什么
- 時空中的繪旅人怎么獲得拿鐵
- 集中營狩獵82版為什么不能看
- 盼兮牧云笙在小說中是戀人嗎
- 琉璃丸子的做法
- 對方網(wǎng)絡異常通話中斷什么原因
- 中山公園西面是什么單位