强化学习(RL):序列决策
本质: 根据实际情况不断改变方法以达到最优解吧
出现原因:
1)增量式的参数更新 (Incremental Parameter Adjustment) ,从输入到输出,有梯度下降完成(增量小,学习过程缓慢(每个增量都需要非常小,才不至于让新学到的信息,把之前学到的经验覆盖了 (这叫做“灾难性干扰”) ))
DRL解决方案: 加入RNN时许思想,从过去的事件里学到的信息,都可以立刻派上用场
2)弱归纳偏置 (Weak Inductive Bias) ,任何学习过程,都要面临“偏见-方差权衡”。
给一个定量(偏见),AI快速得到结恶果
DRL解决方案:借鉴过去的经验,给一个狭窄的范围
进化算法:
fitness函数的值,往往就是我们想要的最终结果了,迭代其实只是为了去在函数空间中采点,去搜寻逼近最优的那个值的点
区别:强化学习迭代虽然同样也是为了去在函数空间中采样,但却是为了逼近一个累计的最优值。因此关注时许的累积
贝叶斯优化:
利用先验知识逼近未知目标函数的后验分布,关注各种超参数