The Reinforcement Learning ProblemI

The Reinforcement Learning Problem

In this chapter we introduce the problem that we try to solve in the rest of the book. For us, this problem defines the field of reinforcement learning: any method that is suited to solving this problem we consider to be a reinforcement learning method.

Our objective in this chapter is to describe the reinforcement learning problem in a broad sense. We try to convey the wide range of possible applications that can be framed as reinforcement learning tasks. We also describe mathematically idealized forms of the reinforcement learning problem for which precise theoretical statements can be made. We introduce key elements of the problem's mathematical structure, such as value functions and Bellman equations. As in all of artificial intelligence, there is a tension between breadth of applicability and mathematical tractability. In this chapter we introduce this tension and discuss some of the trade-offs and challenges that it implies.

Результаты (русский) 1:

Проблема обучения армированиеВ этой главе мы представляем проблему, которую мы пытаемся решить в остальной части книги. Для нас эта проблема определяет поле обучения с подкреплением: любой метод, который подходит для решения этой проблемы мы считаем армирование метод обучения.Наша цель в этой главе заключается в том, чтобы описать подкрепление, изучение проблемы в широком смысле. Мы стараемся передать широкий спектр возможных применений, которые может быть оформлена как подкрепление, изучение задач. Мы также описать математически идеализированные формы арматуры изучения проблемы, для которых точные теоретические заявления могут быть сделаны. Мы представляем ключевые элементы этой проблемы математической структуры, такие как значения функции и уравнения Беллмана. Как и во всех искусственного интеллекта существует напряженность между широтой применимости и математических отслеживаемости. В этой главе мы представляем эту напряженность и обсудить некоторые из компромиссов и проблем, которые оно предполагает.

Результаты (русский) 2:

Армирование проблемного обучения

В этой главе мы представляем проблему , которую мы пытаемся решить в остальной части книги. Для нас эта проблема определяет поле обучения с подкреплением:. Любой метод , который подходит для решения этой проблемы мы рассматриваем как метод обучения с подкреплением

Наша цель в этой главе , чтобы описать проблему обучения с подкреплением в широком смысле. Мы стараемся передать широкий спектр возможных приложений , которые могут быть сформулированы в виде задач обучения с подкреплением. Мы также опишем математически идеализированные формы арматурного проблемы обучения , для которых могут быть сделаны точные теоретические положения. Введем основные элементы математической структуры этой проблемы, такие , как функции значений и уравнений Беллмана. Как и во всех искусственного интеллекта, существует противоречие между широтой применимости и математической сговорчивости. В этой главе мы вводим эту напряженность и обсудить некоторые из компромиссов и проблем , с которыми он подразумевает.

Результаты (русский) 3:

усиление проблемы обученияв настоящей главе, мы представляем, что мы пытаемся решить проблему во всей книге.для нас эта проблема определяется в области укрепления: любой метод обучения, который пригоден для решения этой проблемы мы рассматриваем в качестве подкрепления метод обучения.наша цель в этой главе, заключается в том, чтобы описать усиление проблемы обучения в широком смысле.мы пытаемся донести до широкого круга возможных приложений, которые могут рассматриваться как укрепление учебных задач.мы также описать математически идеальных форм укрепления знаний проблемы, из - за которой точных теоретических заявления могут быть сделаны.мы приводим ключевые элементы, проблема математические структуры, такие, как стоимость функций и команде уравнений.как и во всех искусственного интеллекта, существует напряженность в отношениях между широты применения и математические отслеживаемости.в настоящей главе, мы представляем этой напряженности и обсудить некоторые компромиссы и проблемы, которые он подразумевает.