272、【单选题 #5】( )学习是指输入数据中有导师信号,以概率函数、代数函数或人工神经网络为基函数模型,采用迭代计算方法,学习结果为函数。

313、【单选题 #7】考虑这样的情形:有少量动作和状态,且环境完全可观测,其中智能体已经有了能决定其动作的固定策略。智能体将尝试学习( )——从状态出发,采用策略得到的期望总折扣奖励,称为被动强化学习。

312、【单选题 #7】从系统设计者的角度来看,智能体提供( )通常比提供有标签的行动样本要容易得多。在这种学习中,智能体与世界就其反映表现进行互动。

311、【单选题 #7】在无模型强化学习中,智能体直接学习如何采取行为方式,可以使用( )法求解。

310、【单选题 #7】在基于模型的强化学习中,智能体使用环境的( )来帮助解释奖励信号,并决定如何行动。

309、【单选题 #7】一般而言,( )是通过对数据进行分析,找到数据的表达模型,随后利用该模型,在新输入的数据上进行决策。

308、【单选题 #7】强化学习和监督学习的共同点是两者都需要大量的( )进行学习训练,但两者的学习方式不尽相同,两者所需的数据类型也有差异。

307、【单选题 #7】( )是根据当前的状态而决定下一个时刻施加到环境上去的最好动作。

306、【单选题 #7】在强化学习中,每一个自主体由两个神经网络模块组成,即( )。

305、【单选题 #7】强化学习主要由智能体和环境组成,两者间通过( )3个信号进行交互。① 奖励② 状态③ 反馈④ 动作

304、【单选题 #7】强化学习的常见模型是标准的( )。