2020年5月23日
李宏毅的强化学习视频用于梳理翻阅（3）值
摘要： 估计价值的方法MC与TD MC（Monte-Carlo）的方法，在Sutton的书中有比较权威并详细的说明。地址：https://rl.qiwihui.com/zh_CN/latest/index.html 下图是首次访问型的MC方法，估计状态的价值V。在初始化后，先根据策略获取一个完整的序列，然后 阅读全文
posted @ 2020-05-23 12:47 大浪淘沙、 阅读(160) 评论(0) 推荐(0)