目錄深度強化學習 如何訓練 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，即對學習者作出的行為反應當場予以正或負的刺激。
二、是替代強化，指學習者通過觀察其他人實施這種行為后所得到的結果來決定自己的行為指向。
三、是自我強化，指兒童根據社會對他所傳遞的行為判斷標準，結合個人的理解對自己的行為表現進行正或負的強化。自我強化參照的是自己的期望和目標。
學術思想：
班杜拉的社會學習理論包含觀察學習，自我效能，行為適應與治療等內容。他把觀察學習過程分為注意、保持、動作復現、動機四個階段，簡單地說就是觀察學習須先注意榜樣的行為，然后將其記在腦子里，經過練習，最后在適當的動機出現的時候再一次表現出來。
通常是用物理方法來進行的動物實驗以此來創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，學到了許多行為。
左右
（1）增加獎勵：在強化學習中，獎勵是指智能體學習過程中的反饋，獎勵可以根據智能體的行為來禪圓調整，以達到期望的學習效果。比如，在機器學習中，當智能體完成一個任務時，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。
（2）改進策略：在強化學習中，策略是指智能體根據環境的狀態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：在強化學習中，狀態是指智能體當前所處的環境，包括智能體的位置、速度和視野等。更新狀態可以改善智能體在特定環境中的性能，比如在機器人控制中，可以通過更新狀態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生的結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奮努力。
自我強化是社會化的結果，例如，小朋友自己設定要得90分，當得了90分后很開心。
強化應當適當，否則會因為外部強化而削弱個體本身的內部動機。
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出現，并保持下來。例如企業對積極提出合理化建議的職工頒發獎金。
負強化：去掉一個壞刺激。為引發所希望的行為的出現而設立。例如企業不允許在工作時間打個人電話，一位員工有這種習慣，這種行為一出現就受到指責，但一旦他停止這種行為了，就應立即停止對他的指責。
以上內容參考：-直接強化
這個咐頌罩具體就要學深度學習和強化學習的相關知識了，可以拿最簡單的DQN舉例，DQN就是用神經衡鬧網絡去代替了傳統的Q表，從而進行櫻悔訓練。
所示是強化學習算法的成功案例。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定在悔塵豎直位置。兩級擺問題是非線性的經典問題，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模型，然后基于模型和各種非線性的理論設計控制方法。一般來說，這個過程非常復雜改弊，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量，擺的長度等等。基于強化學習的方法則不需要建模也不需要設計控制器，只需要構建一個強化學習算法，讓二級擺自己去學習就可以了。當學習訓練結束后，二級擺便可以實現自平衡。圖1.1中的B圖是訓練好的AlphaGo與柯潔對戰的第二局棋，C圖則為機器人在仿真環境下自己學會了從摔倒的狀態爬起來。這三個例子能很好地說明，強化學習算法在不同的領域能夠取得令人驚艷的結果。當然，強化學習除了應用到非線性控制、下棋、機器人等方向，核前族還可以應用到其他領域，如游戲、人機對話、無人駕駛、機器翻譯、文本序列預測等。
