监督学习引入了智能体和环境的概念，智能体通过学习和决策，执行最优的动作。（ ）
举一反三
- （）就是程序或智能体（agent）通过与环境不断地进行交互学习完成从环境到动作的映射，学习的目标就是使累计回报最大化。 A: 监督学习 B: 非监督学习 C: 强化学习 D: 非强化学习
- 强化学习的基本框架中，智能体通过()与环境进行交互时，环境会返给智能体一个当前的()
- 智能体程序分别有哪些类型？（） A: 感知智能体/决策智能体/学习智能体/规划智能体 B: 简单反射型智能体/基于模型的反射型智能体/基于目标的智能体/基于效用的智能体 C: 机器人/软件/硬件/算法 D: 类人智能体/类动物智能体
- 2. 在强化学习中，智能体的学习过程是一个反复与环境进行交互，不断试错、不断进步的过程。在这个过程中，智能体在环境中会选择（），环境可能因此改变自身（），同时环境会反馈智能体以（）。 A: 动作、状态、奖励 B: 状态、动作、奖励 C: 奖励、状态、动作 D: 动作、奖励、状态
- 中国大学MOOC: 强化学习的基本框架中，智能体通过（）与环境进行交互时，环境会返给智能体一个当前的（）。