比如自动玩游戏的实例，对于游戏中的画面，每一帧的象素都是不同的，如果把所有的象素作为一种state，那么数据量非常的大。所以应该与深度学习进行解和，通过深度学习来计算Q-value 1.将图片二值化

实例：从位置6，寻找出口，1-14点的奖励值均为-1。 总之先要计算每一个状态下的每一个动作的收益值，然后寻求最大的收益。 计算收益的过程中，要综合的去计算当前动作的收益和下一状态的收益，下一状态的收益可以进行折扣。

马尔可夫决策要求： 能够检测到理想的状态可以多次尝试系统的下个状态只与当前状态信息有关，而与更早之前的状态无关，在决策过程中还与当前采取的动作有关。 Bellman方程：当前状态的价值和下一步的价值及当前的奖励(...

https://www.bilibili.com/video/av45015646?p=1 对于普通的学习，决策为二分类问题。强化学习中，对于每一个决策，设定一定的奖励或者惩罚，从而通过历史的经验进行判断如何获得最大化的奖励。 对个体进行定义各项参数 智...

所有的支持来源为“分类”Support Vector Machines 基本原理是构造一个分类的超平面，二维——直线 三维——平面 最优超平面：距离两类样本集中点的最短距离的最大化。 把低维的不能线性可分的数据映射到高维从而可以线性可分。

前面的神经网络都是有导师学习，也就是给出的样本既有输入，也有输出。 竞争神经网络和SOM神经网络会自动将输入样本分成若干类。 ndist为负距离，和现有样本越接近，那么越接近于0.如果b特别大的话，那么就会有机会赢取胜...

RBF网络 radial basis function network 径向基函数神经网络 也是一种前向型的神经网络，和BP神经网络的区别在于训练过程上面。RBF神经网络的隐含层和输入层的权值(IW1,1)不是随机确定的，有固定的方式MATLAB中=P的转置。假设...

分类： 按连接方式：前项神经网络VS反馈（递归）神经网络学习方式：有导师学习神经网络VS无导师学习神经网络实现方式：拟合（回归）神经网络VS分类神经网络 BP神经网络：Backpropagation反向传播（误差的反向传播） 信号前...