![[userpic]](/media/13d872ec9f767ad8008e6f82e03d7d42b2046c53f7eed93d1d56b0786c852e74)
Конечно можно искуссно владеть ОФ на одном сигнале подкрепления и тем самым решать поставленную задачу/проблему. Типа не выдавать подкрепления слишком часто. Сложность должна со временем расти. Подкреплять реальное продвижение.
Но может поставленная тобой задача уже решена типа в компьютерных играх за рамками описываемой Карен модели ОФ. Там используются вложенные циклы активности-и-подкреплений. Шаги подкрепляются одним стимулом, а завершение всего действия другим.
[(1* 2* 3*)* (4* 5* 6*)* (7* 8* 9*)*]*
Цифрами обозначены отдельные шаги, разным цветом звёздочек — разные стимулы подкрепления.
Но может поставленная тобой задача уже решена типа в компьютерных играх за рамками описываемой Карен модели ОФ. Там используются вложенные циклы активности-и-подкреплений. Шаги подкрепляются одним стимулом, а завершение всего действия другим.
[(1* 2* 3*)* (4* 5* 6*)* (7* 8* 9*)*]*
Цифрами обозначены отдельные шаги, разным цветом звёздочек — разные стимулы подкрепления.
3 комментария
сначала старые сначала новые
![[userpic]](/media/519548167146aa71e0c57d91c2dcc2eaebd2d07538fa2a305f3fb65b230106a8)
хорошо нейронная сеть реагировала бы следующим образом.
1. она научалась, что есть некий желатеьный исход для каждого из шагов
2. научалось понимать, что некий блок окончен
но 2 не значит, что оно как-то связано с 1 (по заданным условиям) это просто некоторое деление. если по 1 задания лесенкой увеличивают сложность, а по 2 сложность очередного шага будет чуть падать, то 2 будет связан с тем, что следующий шаг будет проще. но по данным условиям 2 никак не определяет подкрепление цепочки шагов 1.
1. она научалась, что есть некий желатеьный исход для каждого из шагов
2. научалось понимать, что некий блок окончен
но 2 не значит, что оно как-то связано с 1 (по заданным условиям) это просто некоторое деление. если по 1 задания лесенкой увеличивают сложность, а по 2 сложность очередного шага будет чуть падать, то 2 будет связан с тем, что следующий шаг будет проще. но по данным условиям 2 никак не определяет подкрепление цепочки шагов 1.
хорошо нейронная сеть реагировала бы следующим образом
реальные люди реагируют абсолютным вовлечением в такие цепочки. от компьютерных игр до армии.
реальные люди реагируют абсолютным вовлечением в такие цепочки. от компьютерных игр до армии.
хорошо, некие реальные люди отреагировали таким образом, а теперь представьте то подкрепление, которе мы обсуждаем. вопрос в том , что мы конкретно подкрепляем.