reward是啥？


【 在 freethirteen 的大作中提到: 】
: 感觉这里的学术大牛更多，特来求问。我想要用加强学习解决一个工作中类似于MOSFET参数（Id Vg 等等）调试的问题。我准备用测的参数与结果的数据先用CNN做一个模型，然后用这个CNN模型作为环境让加强学习进行学习 比如用MLP，最终想要训练一个policy可以实现对结果的优化。请问这么做可行吗。谢谢
--
FROM 219.228.135.*