我知道传送神经网络的基本原理, 以及如何使用反向通信算法来训练它们, 但我正在寻找一种算法,
例如,""http://www.google.com/search?q=cart%20pole%20swing%20up" rel=“norefererr”>>cart porrup up 问题是我想用ANN解决的一个问题。在这种情况下,我不知道应该做些什么来控制工作台,我只知道我离理想位置有多近。我要让ANN学习以奖赏和惩罚为基础。因此,监督学习不是一个选项。
org/wiki/Snake28view_game%29" rel="noreferrer" snake game , 反馈延迟, 仅限于目标和反目标, 而不是奖励。
我可以为第一种情况想出一些算法,比如山坡攀登或基因算法,但我猜它们都会很慢。 它们也可能适用于第二种情况,但非常缓慢,而且不利于在线学习。
我的问题很简单:“强” 是否有一个简单的算法来训练一个强化学习的人工神经网络?“/强”我主要对实时奖励情况感兴趣,但如果有针对目标情况的算法,就更好了。