强化学习和自动编码机

softmax损失函数

交叉熵函数：$C = -\sum_i y_iln(a_i), ~~~ a_i是output$

“拯救公主”

强化学习目标： 找到这样一中策略，使得所有步数产生的累计奖励和最大。

• Q-Learning
  Bellman方程：
  $Q(s, a) = Q(s, a) + \alpha * [R(s, a) + \gamma * max_{a^,}(Q(s^,, a^,)) - Q(s, a)]$
• Actor-Critic
  Q表用神经网络替代；
  TD（时间差分，融合了蒙特卡洛法和动态规划）：
  $TD = v(s_t) - [\alpha * r(s_t, a_t )+ v(s_{t + 1})]$
• DQN
  DQN在A2C基础上作了进一步改进：
  $\epsilon-$exploration：随机选取动作
  exploitation：利用已经获得的信息
  experience replay：从以往记录中抽取$(s_t, a_t, r_t, s_{t + 1})$，避免连续样本间的相关性

“给未评分的电影打分”

• AE
  主要注意点是训练样本和测试样本的选择。
  原始$x$ -> 处理后的$x^,$为模型输入 -> 输出$y$, $min(||y - x||^2)$
  

来源：CSDN

作者：xiaoxiao落木

链接：https://blog.csdn.net/qq_28133013/article/details/104179855