Существует ли подобные методы обучения с подкреплением?

Question

[BitNeBolt]

Возможно, вопрос будет звучать глупо или странно.

Для вознаграждения создать функцию, которая будет поощрять или наказывать агента. Можно ли обучать агента методом, в целом схожим с градиентным спуском, но "двигаться" в направлении роста функции награды и изменять веса в целом также, как и при спуске?

Answer 1

[dmshar]

Градиентный спуск от "градиентного подъема" отличается только знаком целевой функции. Все это - методы численного поиска экстремума функций, которые не отличаются при поиске минимума и максимума.

Comments

[BitNeBolt]

Т.е. в теории, оно должно работать более-менее (без учёта особенностей RL)?

[dmshar]

NeMalenKihren, Если теорию вы понимаете, то работать будет. Если не понимаете - то могут быть проблемы.