题目内容
（请给出正确答案）
[单选题]
下列关于强化学习的说法不正确的是
A.Policy based的强化学习类型要明显优于Value based和Action based的方法
B.强化学习中的Agent有明确的目标用于指导自己的行为
C.Agent的模型参数是根据环境的反馈来更新
D.电子竞技和AI游戏中
答案
Policy based的强化学习类型要明显优于Value based和Action based的方法
如搜索结果不匹配，请 联系老师 获取答案
更多“下列关于强化学习的说法不正确的是”相关的问题
第2题
下列关于强化学习的说法不正确的是（）
A.强化学习的思想，并不是来源于自然界生物的学习能力。###SXB###B.强化学习面向目标，从环境中得到的是合理的行动方式, i.e.,行为。这些行为没有监督信息，即我们只知道在这个环境中可以做什么，但不知道后果。###SXB###C.经过算法计算后，模型把计算结果反馈给“环境”，这时环境会给出“奖惩”，即动作产生的后果。###SXB###D.更新模型。
点击查看答案
第3题
下列关于迁移学习和强化学习的说法不正确的是（）
A.强化学习(Reinforcement Learning, RL) 是一个独立的方法，不是一种机器学习的模式，或者说不是一种思路
B.特征迁移：估计任务A和B之间的“差距”，设计一个变换方程，将任务A的数据转换为任务B的数据，再进行训练。
C.模型迁移：使用任务A训练得到的模型，经过某种变换，直接应用于任务B
D.强化学习认为，计算机单纯通过感知环境，与环境交互，并且从交互中获得评价反 馈，就可以适应所处的环境。
第6题
关于强化学习，以下说法正确的是：
A.ε-greedy策略是一种平衡“探索”和“开发”的方法
B.“开发”表示随机地采取某个动作，以便于尝试各种结果；“探索”表示采取当前认为最优的动作，以便于进一步优化评估当前认为最优的动作的值
C.主体和环境之间交互的要素有状态、动作、回报
D.在强化学习的过程中，学习率α越大，表示保持旧的学习结果的比例越大
