神经网络解结构中关键部分的构造方法

先占个坑，详细内容后续添加！！！

直接解或者间接解结构的构造： 利用神经网络中神经元（卷积核）参数对某一状态稀疏编码（激活）出一个很抽象的感受（神经网络最大的创新），这个感受可以直接端到端地降维计算出一个具体的我们想要的解结构的关键部分。

训练就是学习和改变神经元参数，去使得解结构的关键部分朝着目标（）的梯度去更新。

 

卷积：特征收集器

如何调参数

可以说计算出动作的价值，

 

策略迭代：

模型的先验经验

状态转移模型

 

负面行为和正面行为：