Artificial intelligence 人工智能：如果有“a”这样的东西；“顺序决策”；任务，a是什么；“非顺序决策”；任务看起来像什么？

我听说神经网络在执行顺序决策任务的解决方案时非常好。但是，我假设存在限定符“sequential”，因为同样必须存在一个“non-sequential”域。只是想知道是否有一些标准的，规范的例子，有些人知道他们的头顶。谢谢：）

认出了你母亲的照片。决定早餐吃什么。想出非连续性决策任务的例子。

识别你母亲的照片。决定早餐吃什么。提出非连续性决策任务的例子。

驾驶是连续性任务的一个很好的例子：你总是在决定是直行、左行还是右行。它是连续的，因为车辆中存在一些不确定性；你可以直接驾驶，但车子稍微向右偏了一点。当你注意到这一点时，你可以通过稍微向左转向来纠正。没有办法提前做出所有决定，闭上眼睛，开车时不撞车

规划从a到B的路径是非顺序任务的一个示例（例如，谷歌地图）。你知道地图，你知道起点和目标，你知道道路网。您可以一次做出所有决策（而不是按顺序），并完成任务（查找路径）

---

更一般地说，只要你有不确定性，观察到一些事情，然后做出适当的反应，你就会做出连续的决定。从机器学习的角度来看，这就是监督学习和在线学习之间的区别。

驾驶是顺序任务的一个很好的例子：你总是在决定是直行、左行还是右行。它是连续的，因为车辆中存在一些不确定性；你可以直接驾驶，但车子稍微向右偏了一点。当你注意到这一点时，你可以通过稍微向左转向来纠正。没有办法提前做出所有决定，闭上眼睛，开车时不撞车

规划从a到B的路径是非顺序任务的一个示例（例如，谷歌地图）。你知道地图，你知道起点和目标，你知道道路网。您可以一次做出所有决策（而不是按顺序），并完成任务（查找路径）

---

更一般地说，只要你有不确定性，观察到一些事情，然后做出适当的反应，你就会做出连续的决定。从机器学习的角度来看，这就是监督学习和在线学习之间的区别。

决定早餐吃什么？这似乎很有顺序？我不知道这怎么会变成一个非连续的任务？想想你是如何决定早餐吃什么的。然后看看你是否能把它们作为一系列步骤写出来。当然，它可以以一种循序渐进的方式（你所拥有的每一种食物的速度，确定你可以制作的所有食谱，对每一种配方的难度和质量进行评分，考虑配方项目的所有组合，看看哪些适合于合理的早餐），但没有人真正决定这种方式。但是当神经网络或计算机完成时，他们不是必须按顺序计算所有事情吗，不管它被认为是连续的还是非连续的决策？是否有一个标准的顺序决策示例可以与我们的非顺序示例进行比较？理论上，原则上应该可以将任何非顺序方法映射到顺序方法，反之亦然。那么，您是否可以说一个神经网络（对应于游戏中的一个代理）将传感器数据输入其输入神经元，和每个输出神经元对应的某些动作，一个非序列模型？我很困惑，因为这看起来是这样的，但我总是听到人们在提到“顺序”决策任务时使用的例子……决定早餐吃什么？这似乎很有顺序？我不知道这怎么会变成一个非连续的任务？想想你是如何决定早餐吃什么的。然后看看你是否能把它们作为一系列步骤写出来。当然，它可以以一种循序渐进的方式（你所拥有的每一种食物的速度，确定你可以制作的所有食谱，对每一种配方的难度和质量进行评分，考虑配方项目的所有组合，看看哪些适合于合理的早餐），但没有人真正决定这种方式。但是当神经网络或计算机完成时，他们不是必须按顺序计算所有事情吗，不管它被认为是连续的还是非连续的决策？是否有一个标准的顺序决策示例可以与我们的非顺序示例进行比较？理论上，原则上应该可以将任何非顺序方法映射到顺序方法，反之亦然。那么，您是否可以说一个神经网络（对应于游戏中的一个代理）将传感器数据输入其输入神经元，和每个输出神经元对应的某些动作，一个非序列模型？我很困惑，因为这看起来是这样的，但我总是听到人们提到“顺序”决策任务时使用的例子……“从机器学习的角度来看，这就是监督学习和在线学习之间的区别。”谢谢你！你能解释一下这两者之间的关系吗？：）监督学习：你现在有了所有的数据，并用它来训练一些回归者/分类器（你的“决策者”）。在线学习：你有少量的数据。您可以使用它来训练回归器/分类器，并做出预测/决策。然后，您将收到更多数据，并更新您的决策者。这个过程重复。“从机器学习的角度来看，这就是监督学习和在线学习之间的区别。”谢谢你！你能解释一下这两者之间的关系吗？：）监督学习：您现在拥有所有数据，我们