深度学习大致上是受到大脑工作方式的启发。大脑是一堆神经元的连接一个神经元的放电会影响另一个神经元神经元放电越多其再次放电的倾向就会发生变化。这或多或少就是深度学习的设计原理。您采用非常高维的输入例如图片然后将其本质上压缩为低维输入例如一或零。你必须以一种模糊的方式做到这一点。您可以通过一张又一张的显示这个连接网络然后更新该图的权重以便能够更好地预测您想要的输出。
另种思考它的方式是它的函数近似
深度学习通常属于监督学习的范畴例如你如何玩游戏为了赢得游戏而采取的行动顺序是什么这将是一个强化学习问题。这个想法是在事情发生之前你可能 伯利兹电话号码表 需要采取数千个行动。你会得到奖励。利做出贡献。如果您可以使用足够的数据执行此操作足够多次那么在某些情况下有些算法将能够学习如何控制游戏。所以你可以把这两件事放在一起然后您可以将这些事情交给基于强化学习的控制器该控制器可以将这些事情作为输入并仍然执行计划所需的顺序操作以找出如何实现目标。
深度强化学习的有趣之处在于你不
需要单独做这些事情。你实际上必须同时训练他们。这算是一种突破你可以同时学习你的感性理解和你的控制策略。克尔实际上这就是人类学习的方式。学会走 BM 列表 路学会观察世界。一到两岁的孩子当他们在四处走动时正在尝试了解外面的各种物体是什么并且在早期的步伐和行走中也进行了尝试和失败。
