概念Policy Function / 策略网络
策略函数
强化学习中从状态到动作的映射函数，通常用神经网络参数化，训练完成后推理阶段仅需一次前传即可输出动作，计算高效。
时间轴 (近 90 天)
11月3日
学习到的策略函数将当前关于图像的后验信念直接映射为下一个最优二值测量图案，推理阶段计算效率高，避免了在线优化。
待验证50%
11月3日
策略函数通常用神经网络参数化，训练时通过模拟序贯测量过程、以EIG为奖励进行策略梯度或Actor-Critic优化。
待验证50%
强化学习中从状态到动作的映射函数，通常用神经网络参数化，训练完成后推理阶段仅需一次前传即可输出动作，计算高效。
学习到的策略函数将当前关于图像的后验信念直接映射为下一个最优二值测量图案，推理阶段计算效率高，避免了在线优化。
策略函数通常用神经网络参数化，训练时通过模拟序贯测量过程、以EIG为奖励进行策略梯度或Actor-Critic优化。