演示圖片

演 示 圖 片 演示圖片 演示圖片 初始Agent K,B:是模型參數 X:環境狀態 Y:決定Action，Action和正確結果的正負狀態決定獎勵和懲罰機制 訓練完後的優質Agent 全連接網絡迴歸 全連接網絡分類 Input Layer: State Output Layer :Action，Action和正確結果的正負狀態決定獎勵和懲罰機制 中間所有參數:模型 CNN分類 或者： 神經網絡畫

>>阅读原文<<