马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素本文接前面文章 入门强化学习所需掌握的基本概念 MDP 的前置知识 随机过程 马尔可夫过程 马尔可夫奖励根据上文我们已经得知 在随机过程的基础上增加马尔可夫性质 即可得马尔可夫过程而再增加奖励 则得到了马尔可夫奖励过程 MRP 如果我们再次增加

欢迎大家来到IT世界,在知识的湖畔探索吧!

本文接前面文章:

  1. 入门强化学习所需掌握的基本概念
  2. MDP的前置知识:随机过程、马尔可夫过程、马尔可夫奖励

根据上文我们已经得知,在随机过程的基础上

  • 增加马尔可夫性质,即可得马尔可夫过程
  • 而再增加奖励,则得到了马尔可夫奖励过程(MRP)
  • 如果我们再次增加一个来自外界的刺激比如智能体的动作,就得到了马尔可夫决策过程(MDP)

通俗讲,MRP与MDP的区别就类似随波逐流与水手划船的区别在马尔可夫决策过程中,

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

考虑到在当前状态和当前动作确定后,那么其对应的即时奖励则也确定了

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

,故sutton的RL一书中,给的状态转移概率矩阵类似为

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

从而可得奖励函数即为

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

通过上文,我们已经知道不同状态出现的概率不一样(比如今天是晴天,那明天是晴天,还是雨天、阴天不一定),同一状态下执行不同动作的概率也不一样(比如即便在天气预报预测明天大概率是天晴的情况下,你大概率不会带伞,但依然不排除你可能会防止突然下雨而带伞)

而有了动作这个因素之后,我们重新梳理下价值函数

首先,通过“状态价值函数”对当前状态进行评估

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

相当于从状态S出发遵循策略

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

能获得的期望回报

其次,通过“动作价值函数”对动作的评估

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

相当于对当前状态S依据策略

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

执行动作

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

得到的期望回报,这就是大名鼎鼎的Q函数,得到Q函数后,进入某个状态要采取的最优动作便可以通过Q函数得到

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

当有了策略、价值函数和模型3个组成部分后,就形成了一个马尔可夫决策过程(Markov decision process)。如下图所示,这个决策过程可视化了状态之间的转移以及采取的动作。

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

且通过状态转移概率分布,我们可以揭示状态价值函数和动作价值函数之间的联系了

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

针对这个公式 大部分资料都会一带而过,但不排除会有不少读者问怎么来的,考虑到对于数学公式咱们不能想当然靠直觉的自认为,所以还是得一五一十的推导下

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

上述推导过程总共五个等式,其中,第三个等式到第四个等式依据的是

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

,至于第四个等式到第五个等式依据的是状态转移概率矩阵的定义

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

的计算结果互相代入,可得马尔可夫决策的贝尔曼方程

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

上述过程可用下图形象化表示(配图来自文献21)

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

计算示例和更多细节待补充..

想在NLP领域更系统、深入提升的同学,我建议你看下【NLP高级小班 第十一期】一次报名,答疑服务三年

马尔可夫决策过程(MDP):马尔可夫奖励(MRP) + 智能体动作因素

考虑到市面上课程大都以讲技术、讲理论为主,鲜有真正带着学员一步步从头到尾实现企业级项目的高端课程,故我们让大厂技术专家手把手带你实战大厂项目。一方面,让大家更好的在职提升,另一方面,力求让每位同学都深刻理解NLP的各大模型、理论和应用。

第十一期,除了继续维持上一期的:

  • 五大技术阶段:分别从NLP基础技能、深度学习在NLP中的应用、Seq2Seq文本生成、Transformer与预训练模型、模型优化等到新技术的使用,包括且不限于GPT、对抗训练、prompt小样本学习等
  • 八大企业项目:包括机器翻译系统、文本摘要系统、知识图谱项目、聊天机器人系统,以及基本文本的问答系统、FAQ问答机器人、文本推荐系统、聊天机器人中的语义理解
  • 标准流程:环境配置与特征工程、模型构建与迭代优化、模型评估与优化上线;
  • 就业指导:就业部辅助BAT大咖讲师做简历指导、面试辅导、就业内推。

本期更对技术和项目阶段做了大力度改进:

  • 对于技术阶段,新增文本检索系统中的关键技术以及22年年底爆火的ChatGPT原理解析
  • 对于项目阶段,新增第五大企业级项目:短文本相关性语义搜索系统

面向群体: 本课程适合已经在做AI的进一步在职提升,比如在职上班族跳槽涨薪/升职加薪,采用严格筛选制(通过率不到1/3),需要具备一定的基础能力才能报名通过,故以下同学优先:

  • 985或211高校的CS、数学理工科相关专业的应届或往届研究生
  • 已有一定的AI在职开发经验,如AI岗想在职提升
  • 已有一定的AI项目经验,如学过七月在线的机器学习集训营

【NLP高级小班 第十一期】已开营,放5个免费试听名额,有意找苏苏老师(VX:julyedukefu008 )或七月在线其他老师申请试听了解课程

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://itzsg.com/80553.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

联系我们YX

mu99908888

在线咨询: 微信交谈

邮件:itzsgw@126.com

工作时间:时刻准备着!

关注微信