2024年10月29日
强化学习的数学原理-07时序差分方法
摘要： 目录引入TD learing of state valuesTD learing of action values SarsaTD learing of action values Expected SarsaTD learing of action values n-step SarsaTD le 阅读全文
posted @ 2024-10-29 21:10 cxy8 阅读(174) 评论(0) 推荐(0)
强化学习的数学原理-06随即近似理论和随机梯度下降
摘要： 目录Robbins-Monro algorithmStochastic gradient descentBGD、MBGD、 and SGDSummary Robbins-Monro algorithm 迭代式求平均数的算法 \(Stochastic \; approximation \;(SA)\) 阅读全文
posted @ 2024-10-29 14:02 cxy8 阅读(238) 评论(0) 推荐(0)
强化学习的数学原理-05蒙特卡洛方法
摘要： 目录MC BasicMC Exploring StartsMC Epsilon-Greedy MC Basic 从\(model \: base \:\)的\(Reinforcement \: learning \:\)过渡到\(model \: free \:\)的\(\: Reinforceme 阅读全文
posted @ 2024-10-29 09:44 cxy8 阅读(166) 评论(0) 推荐(1)