1樓：潞寶妳不懂
強化學習
和深度學習是兩種技術，只不過深度學習技術可以用到強化學習上，這個就叫深度強化學習.
1.強化學習其實也是機器學習的乙個分支，但是它與我們常見的機器學習不太一樣。它講究在一系列的情景之下，通過多步恰當的決策來達到乙個目標，是一種序列多步決策的問題。
強化學習是一種標記延遲的監督學習。
2.強化學習實際上是一套很通用的解決人工智慧問題的框架，很值得大家去研究。另一方面，深度學習不僅能夠為強化學習帶來端到端優化的便利，而且使得強化學習不再受限於低維的空間中，極大地拓展了強化學習的使用範圍。
2樓：flash勝龍
強化學習要求agent去探索環境，然後對狀態進行evaluate，在每乙個狀態下agent可以選擇多種action，每次選擇的依據可以是貪婪或者softmax等，但是得到的reward是無法表明當前的選擇是正確的還是錯誤的，得到的只是乙個score，監督學習的labels可以給agent簡潔明瞭的correct or wrong，並且在agent 在對環境充分的探索前即在每一種狀態下選擇的每個action的次數不夠多時，無法充分求expect，並且在action之間也無法進行對比擇優。但是當監督學習的label資訊有雜訊干擾或者是利用一些active learning 獲得到的labels的時候，強化學習的agent與環境直接互動獲取到的資訊是更加可靠。
強化學習也是使用未標記的資料，但是可以通過某種方法知道你是離正確答案越來越近還是越來越遠（即獎懲函式）。傳統的「冷熱遊戲」（hotter or colder，是美版捉迷藏遊戲 huckle buckle beanstalk 的乙個變種）很生動的解釋了這個概念。你的朋友會事先藏好乙個東西，當你離這個東西越來越近的時候，你朋友就說熱，越來越遠的時候，你朋友會說冷。
冷或者熱就是乙個獎懲函式。半監督學習演算法就是最大化獎懲函式。可以把獎懲函式想象成正確答案的乙個延遲的、稀疏的形式。
在監督學習中，能直接得到每個輸入的對應的輸出。強化學習中，訓練一段時間後，你才能得到乙個延遲的反饋，並且只有一點提示說明你是離答案越來越遠還是越來越近。
deepmind 在自然雜誌上發表了一篇** ，介紹了他們把強化學習和深度學習結合起來，讓神經網路學著玩各種雅達利(atari)遊戲（就是各種街機遊戲），一些遊戲如打磚塊（breakout）非常成功，但是另一些遊戲比如蒙特祖瑪的復仇，就表現的很糟糕。
3樓：匿名使用者
強化學習其實也是機器學習的
乙個分支，但是它與我們常見的機器學習（比如監督學習supervised
learning）不太一樣。它講究在一系列的情景之下，通過多步恰當的決策來達到乙個目標，是一種序列多步決策的問題。強化學習是一種標記延遲的監督學習。
強化學習實際上是一套很通用的解決人工智慧問題的框架，很值得大家去研究。另一方面，深度學習不僅能夠為強化學習帶來端到端優化的便利，而且使得強化學習不再受限於低維的空間中，極大地拓展了強化學習的使用範圍。
4樓：匿名使用者
深度強化學習就是在傳統強化學習的基礎上增加了神經網路，如q-learning上加了網路變成dqn就是深度強化學習了，通過深度網路來擬合函式獲得q值，解決q-table面對連續狀態和高維動作空間時很吃力的問題。
深度學習和強化學習有什麼區別？去**可以學習？
5樓：匿名使用者
關深度學習是乙個比較專業的詞，一抓是用在資料的數理方面兒強化學習的話，只針對學生的各方面比較弱的話，強化他那一方面的學習。
深度學習和深度強化學習有什麼區別？
6樓：潞寶妳不懂
強化學習和深度學習是兩
種技術，只不過深度學習技術可以用到強化學習上，這個就叫深度強化學習.
1.強化學習其實也是機器學習的乙個分支，但是它與我們常見的機器學習不太一樣。它講究在一系列的情景之下，通過多步恰當的決策來達到乙個目標，是一種序列多步決策的問題。
強化學習是一種標記延遲的監督學習。
2.強化學習實際上是一套很通用的解決人工智慧問題的框架，很值得大家去研究。另一方面，深度學習不僅能夠為強化學習帶來端到端優化的便利，而且使得強化學習不再受限於低維的空間中，極大地拓展了強化學習的使用範圍。
如何將深度學習和強化學習結合起來
7樓：
好的回答才能獲得更多使用者支援
好的回答：
回答豐富有深度；
**結合；
格式美觀；
深度學習或強化學習在組合優化方面有哪些應用
8樓：芋丸崽
深度學習和機器學習的區別是，深度學習是機器學習研究中的乙個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。
深度學習或強化學習在組合優化方面有哪些應用
9樓：
強化學習其實也是機器學習的乙個分支，但是它與我們常見的機器學習（比如監督學習supervised
learning）不太一樣。它講究在一系列的情景之下，通過多步恰當的決策來達到乙個目標，是一種序列多步決策的問題。強化學習是一種標記延遲的監督學習。
強化學習實際上是一套很通用的解決人工智慧問題的框架，很值得大家去研究。另一方面，深度學習不僅能夠為強化學習帶來端到端優化的便利，而且使得強化學習不再受限於低維的空間中，極大地拓展了強化學習的使用範圍。
深度學習和機器學習是什麼關係，深度學習和機器學習的區別是什麼
深度學習是機copy器學習的乙個領域 深度學習以神經網路模型為基礎，難度比較大 目前深度學習裡面的成熟模型很多，cnn rnn gan transformer 等等 自然語言處理有bert 現在很多智慧型領域已經唯深度學習技術不用了 深度學習和機器學習的區別是什麼 兩者不是同乙個level上的，深度...
2023年，深度學習前景怎麼樣，2023年，深度學習前景怎麼樣？
中公教育it優就業 針對本科生人群 如果你是一個計算機或者人工智慧相關專業的本科生。在就業時，人工智慧其實是個很不錯的發展領域，是目前國家大力支援的熱門行業，尤其是近幾年，國家以及各個省份出臺了一系列的支援政策，比如 關於促進人工智慧和實體經濟深度融合的指導意見 新一代人工智慧治理原則 發展負責任的...
CPU和GPU跑深度學習差別有多大
gpu 的架構與 cpu 很不一樣。首先，gpu 並不具備多功能性。其次，與消費級 cpu 個位數的核心數目不同，消費級的 gpu 通常有上千個核心 特別適合處理大型資料集。由於 gpu 在設計之初有且只有乙個目的 最大化平行計算。每一代製程縮減直接帶來更多的核心數量 摩爾定律對於 gpu 更明顯 ...