强化学习中顺序决策的平稳性概念

以下是来自Stuart Russel和Peter Norvig的《人工智能:一种现代方法》一书中第17章第17.1节关于顺序决策问题的文本片段。

偏好中的平稳性意味着以下内容:

如果两个状态序列[s0, s1, s2, . . .]和[s0′,s1′, s2′, . . .]以相同状态开始(即,s0 = s0’),那么这两个序列的偏好顺序应该与序列[s1, s2, . . .]和[s1′, s2′, . . .]的偏好顺序相同。

用英语来说,这意味着如果你更喜欢从明天开始的一个未来而不是另一个,那么如果这个未来从今天开始,你也应该仍然更喜欢它。

我对最后一句的理解有困难。

用英语来说,这意味着如果你更喜欢从明天开始的一个未来而不是另一个,那么如果这个未来从今天开始,你也应该仍然更喜欢它。

请详细解释一下。


回答:

关于“平稳性”的另一个来自维基百科的定义,可能有助于理解这个概念:

在数学和统计学中,平稳过程是一种随机过程,其无条件联合概率分布在时间上移动时不会改变。

关键概念是在时间上移动时不会改变。因此,应用到偏好情况时,偏好应该与做出偏好的时间无关。即,第3天的偏好在第2天(明天)或第1天(今天)时应该相同。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注