目錄深度強化學(xué)習(xí) 如何訓(xùn)練 班杜拉的三種強化例子 動機過程中的三種強化的例子有哪些 直接強化替代性強化自我強化例子有哪些？ 直接強化替代性強化自我強化例子有哪些？
班杜拉的春褲三種強化例子：
一、是直接強化，即對學(xué)習(xí)者作出的行為反應(yīng)當(dāng)場予以正或負的刺激。
二、是替代強化，指學(xué)習(xí)者通過觀察其他人實施這種行為后所得到的結(jié)果來決定自己的行為指向。
三、是自我強化，指兒童根據(jù)社會對他所傳遞的行為判斷標準，結(jié)合個人的理解對自己的行為表現(xiàn)進行正或負的強化。自我強化參照的是自己的期望和目標。
學(xué)術(shù)思想：
班杜拉的社會學(xué)習(xí)理論包含觀察學(xué)習(xí)，自我效能，行為適應(yīng)與治療等內(nèi)容。他把觀察學(xué)習(xí)過程分為注意、保持、動作復(fù)現(xiàn)、動機四個階段，簡單地說就是觀察學(xué)習(xí)須先注意榜樣的行為，然后將其記在腦子里，經(jīng)過練習(xí)，最后在適當(dāng)?shù)膭訖C出現(xiàn)的時候再一次表現(xiàn)出來。
通常是用物理方法來進行的動物實驗以此來創(chuàng)扒基簡建他們的理論體系，這種研究方法對于作為社會一員的人的行為來說，沒有多大的研究價值。因為人是生活在一定的社會條件下，主張在自然的社會鋒舉情境中來研究人的行為。事實上，人們在社會情境中通過觀察和模仿，學(xué)到了許多行為。
左右
（1）增加獎勵：在強化學(xué)習(xí)中，獎勵是指智能體學(xué)習(xí)過程中的反饋，獎勵可以根據(jù)智能體的行為來禪圓調(diào)整，以達到期望的學(xué)習(xí)效果。比如，在機器學(xué)習(xí)中，當(dāng)智能體完成一個任務(wù)時，可以給它一個正向的獎勵，這樣可以激勵它完成更多的任務(wù)。
（2）改進策略：在強化學(xué)習(xí)中，策略是指智能體根據(jù)環(huán)境的狀態(tài)來決定下一步行動的決策過程檔激。通過改進策略，可以提高智能體在特定環(huán)境中的性能，比如在游戲中，可以改進智能體的策略，讓它更容易贏得比賽。
（3）更新狀態(tài)：在強化學(xué)習(xí)中，狀態(tài)是指智能體當(dāng)前所處的環(huán)境，包括智能體的位置、速度和視野等。更新狀態(tài)可以改善智能體在特定環(huán)境中的性能，比如在機器人控制中，可以通過更新狀態(tài)來提高機器人的控制行襲襪精度。
直接強化就是外部直接給與獎勵，埋嫌散例如，小朋友得了90分，老師獎勵很多糖。
替代強化是看到別人的行為產(chǎn)生的結(jié)果對自我的替代性強化或者削弱，例如，小朋友看到另一個小朋友因為字得了90分而被給與獎勵自己也發(fā)奮努力。
自我強化是社會化的結(jié)果，例如，小朋友自己設(shè)定要得90分，當(dāng)?shù)昧?0分后很開心。
強化應(yīng)當(dāng)適當(dāng)，否則會因為外部強化而削弱個體本身的內(nèi)部動機。
強化原理
正強化：給予一種好刺激。為了建立一種適應(yīng)性的行為模式，運用獎勵的方式，使這種行為彎氏者褲模式重復(fù)出現(xiàn)，并保持下來。例如企業(yè)對積極提出合理化建議的職工頒發(fā)獎金。
負強化：去掉一個壞刺激。為引發(fā)所希望的行為的出現(xiàn)而設(shè)立。例如企業(yè)不允許在工作時間打個人電話，一位員工有這種習(xí)慣，這種行為一出現(xiàn)就受到指責(zé)，但一旦他停止這種行為了，就應(yīng)立即停止對他的指責(zé)。
以上內(nèi)容參考：-直接強化
這個咐頌罩具體就要學(xué)深度學(xué)習(xí)和強化學(xué)習(xí)的相關(guān)知識了，可以拿最簡單的DQN舉例，DQN就是用神經(jīng)衡鬧網(wǎng)絡(luò)去代替了傳統(tǒng)的Q表，從而進行櫻悔訓(xùn)練。
所示是強化學(xué)習(xí)算法的成功案例。其中的A圖為典型的非線性二級擺。該由一個臺車（黑體矩形表示）和兩個擺（紅色擺桿）組成，可控制的輸入為臺車的左右運動，該的目的是讓兩級擺穩(wěn)定在悔塵豎直位置。兩級擺問題是非線性的經(jīng)典問題，在控制理論中，解決該問題的基本思路是先對兩級擺建立精確的動力學(xué)模型，然后基于模型和各種非線性的理論設(shè)計控制方法。一般來說，這個過程非常復(fù)雜改弊，需要深厚的非線性控制理論的知識。而且，在建模的時候需要知道臺車和擺的質(zhì)量，擺的長度等等?；趶娀瘜W(xué)習(xí)的方法則不需要建模也不需要設(shè)計控制器，只需要構(gòu)建一個強化學(xué)習(xí)算法，讓二級擺自己去學(xué)習(xí)就可以了。當(dāng)學(xué)習(xí)訓(xùn)練結(jié)束后，二級擺便可以實現(xiàn)自平衡。圖1.1中的B圖是訓(xùn)練好的AlphaGo與柯潔對戰(zhàn)的第二局棋，C圖則為機器人在仿真環(huán)境下自己學(xué)會了從摔倒的狀態(tài)爬起來。這三個例子能很好地說明，強化學(xué)習(xí)算法在不同的領(lǐng)域能夠取得令人驚艷的結(jié)果。當(dāng)然，強化學(xué)習(xí)除了應(yīng)用到非線性控制、下棋、機器人等方向，核前族還可以應(yīng)用到其他領(lǐng)域，如游戲、人機對話、無人駕駛、機器翻譯、文本序列預(yù)測等。
