特征动态贝叶斯网络

特征马尔可夫决策过程适用于一般环境中的学习代理。然而，非结构化的MDP仅限于相对简单的环境。结构化MDP，如动态贝叶斯网络，被用于大规模现实世界问题。在本文中，我将PhiMDP扩展为PhiDBN。主要贡献是推导出一个代价准则，该准则允许从环境中自动提取最相关的特征，从而得到“最佳”的DBN表示。我讨论了完整通用学习算法所需的所有构建模块。