下面关于强化学习的描述中，错误的说法是哪个？

A.Policy based的强化学习类型要明显优于Value based和Action based的方法

B.强化学习中的Agent有明确的目标用于指导自己的行为

C.Agent的模型参数是根据环境的反馈来更新

D.电子竞技和AI游戏中

A.非监督学习

B.监督学习

C.线性回归

D.强化学习

A.强化学习的思想，并不是来源于自然界生物的学习能力。###SXB###B.强化学习面向目标，从环境中得到的是合理的行动方式, i.e.,行为。这些行为没有监督信息，即我们只知道在这个环境中可以做什么，但不知道后果。###SXB###C.经过算法计算后，模型把计算结果反馈给“环境”，这时环境会给出“奖惩”，即动作产生的后果。###SXB###D.更新模型。

A.微课核心价值体现在在课堂中播放时可以吸引学生注意力，增加学生学习效率

B.微课核心价值体现在可以发现学生课前学习中存在的问题

C.微课核心价值体现在反转课堂中强化学生对知识的记忆和理解

D.以上都对

A.无监督学习

B.强化学习

C.监督学习

D.半监督学习

A.正强化和负强化都能够增加某种反应发生的频率

B.强化物一定是令人愉快的刺激

C.结果预期是指对某种行为导致某种结果的个人预期

D.学习即行为反应概率的变化

A.强化学习(Reinforcement Learning, RL) 是一个独立的方法，不是一种机器学习的模式，或者说不是一种思路

B.特征迁移：估计任务A和B之间的“差距”，设计一个变换方程，将任务A的数据转换为任务B的数据，再进行训练。

C.模型迁移：使用任务A训练得到的模型，经过某种变换，直接应用于任务B

D.强化学习认为，计算机单纯通过感知环境，与环境交互，并且从交互中获得评价反 馈，就可以适应所处的环境。

A.强化学习

B.监督学习

C.无监督学习

D.迁移学习