加固神經網絡

Question

• 我工作的一個項目，RL & NN
• 我需要確定將被輸送到一個神經網絡的動作矢量結構的學習..

我有3個不同的動作（A & B & Nothing）每個都有不同的功率（例如A100 A50 B100 B50） 我想知道爲了獲得最佳結果而將這些動作饋送到NN的最佳方式是什麼？

1-進料A/B至輸入端1，而動作功率100/50 /沒什麼輸入2

2-飼料A100/A50 /沒什麼輸入1，而B100/B50 /沒有可輸入2

3-飼料A100/A50至輸入端1，而B100/B50到輸入2，而沒有什麼標誌來輸入3

4-另外喂100 & 50或它們歸一化爲2 & 1？

我不需要理由爲什麼要選擇一個方法 任何建議，建議

感謝

Answer 1

你想學什麼？應該輸出什麼？ 輸入是否只是用過的操作？ （|狀態，動作next_state）

它通常使用一個單獨的模型爲每個操作

警：如果你正在學習的環境的模型，它是由一個概率分佈來表示。 這使得輸入和輸出之間的映射更簡單。 輸入是狀態特徵的向量。輸出是下一個狀態特徵的向量。使用的操作是由模型暗示的。

狀態特徵可以編碼爲位。有效位表示存在某個功能。

這將學習確定性模型。我不知道什麼是學習下一個州的隨機模型的好方法。一種可能性可能是使用隨機神經元。