Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
stanford-cs234-notes-zh
提交
346994d3
S
stanford-cs234-notes-zh
项目概览
OpenDocCN
/
stanford-cs234-notes-zh
通知
8
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
S
stanford-cs234-notes-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
346994d3
编写于
1月 17, 2020
作者:
X
xiaowei_xing
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
test
上级
1375a4c1
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
docs/11&12.md
docs/11&12.md
+1
-1
未找到文件。
docs/11&12.md
浏览文件 @
346994d3
...
...
@@ -90,7 +90,7 @@ $$
考虑图 1,它显示了一些动作的估计分布。我们应该选择哪个动作?面对不确定性时的乐观原则是,我们应该把选择偏向于可能是好的的动作。直觉上,这将使我们了解到这个动作要么的确会带来高额回报,要么并不如我们期望的那么好,而且也会使我们了解到关于我们的问题的有价值的信息。
在这个方法的基础上,置信上界算法
产(Upper Confidence Bound Algorithm)
生了,其过程如下。首先,我们对每个动作值估计一个置信上界 $
\h
at{U}_ {t}(a)$ 使得大概率 $Q(a)
\l
eq
\h
at{Q}_ {t}(a)+
\h
at{U}_ {t}(a)$ 成立,这依赖于动作 $a$ 被选择的次数。然后我们选择最大化置信上界的动作
在这个方法的基础上,置信上界算法
(Upper Confidence Bound Algorithm)产
生了,其过程如下。首先,我们对每个动作值估计一个置信上界 $
\h
at{U}_ {t}(a)$ 使得大概率 $Q(a)
\l
eq
\h
at{Q}_ {t}(a)+
\h
at{U}_ {t}(a)$ 成立,这依赖于动作 $a$ 被选择的次数。然后我们选择最大化置信上界的动作
$$
a_{t}=
\m
athop{
\a
rg
\m
ax}_ {a
\i
n A}(
\h
at{Q}_ {t}(a)+
\h
at{U}_ {t}(a)),
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录