g
y
7
7
7
7
2021年1月18日
周博磊老师强化学习纲领笔记第一课：强化学习基础
摘要： 第一课：强化学习智能体的主要组成部分： Policy：引导智能体如何选取动作 Value function：来判断每个状态或者动作的好坏 Model：智能体在环境中的状态表示 Policy 一个决策就是智能体选取动作的模型 一个决策是一个映射函数，从状态、或者观测值到动作的映射 随机决策：随机概率 阅读全文
posted @ 2021-01-18 14:44 gy77 阅读(206) 评论(0) 推荐(0) 编辑