使用神经网络进行强化学习答案

【问题标题】：Reinforcement learning with neural networks使用神经网络进行强化学习
【发布时间】：2010-05-01 09:56:06
【问题描述】：

我有 3 个不同的动作（A & B & Nothing），每一个都有不同的权力（例如 A100 A50 B100 B50）我想知道将这些动作提供给 NN 以获得最佳结果的最佳方式是什么？

1- 将 A/B 馈入输入 1，而动作功率 100/50/无输入 2

2-喂A100/A50/无输入1，而B100/B50/无输入2

3- A100/A50 输入 1，B100/B50 输入 2，Nothing 标志输入 3

4- 还要喂 100 和 50 或将它们归一化为 2 和 1？

我需要选择一种方法的理由推荐任何建议

谢谢

【问题讨论】：

【解决方案1】：

你想学什么？输出应该是什么？输入只是使用的动作吗？如果是学习环境的模型，用概率分布表示：

P(next_state|state, action)

通常为每个操作使用单独的模型。这使得输入和输出之间的映射更简单。输入是状态特征向量。输出是下一个状态的特征向量。使用的动作由模型暗示。

状态特征可以被编码为比特。一个活动位表示存在一个特征。

这将学习确定性模型。我不知道什么是学习下一个状态的随机模型的好方法。一种可能是使用随机神经元。

【讨论】：