下列关于强化学习的说法不正确的是

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.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.监督式学习

B.非监督学习

C.强化学习

D.弱化学习

A.状态

B.动作

C.回报

D.强化

A.ε-greedy策略是一种平衡“探索”和“开发”的方法

B.“开发”表示随机地采取某个动作，以便于尝试各种结果；“探索”表示采取当前认为最优的动作，以便于进一步优化评估当前认为最优的动作的值

C.主体和环境之间交互的要素有状态、动作、回报

D.在强化学习的过程中，学习率α越大，表示保持旧的学习结果的比例越大

A.数量无限

B.形成的基本条件是强化

C.是后天经过学习训练形成的

D.使机体具有更大的适应性

E.不容易消退