2021年1月18日
Policy Gradient实战（神经网络在强化学习中的意义）
摘要： 输入观测的东西 经过黑盒子 输出一个概率分布 相当于也是图像识别 在Policy Gradient中，我们需要训练一个Agent。这个Agent相当于一个分类器，其输入是观测到环境的信息observation(state)，输出为行为action的概率分布。我们可以用简单的多层感知机去实现这个分类器 阅读全文
posted @ 2021-01-18 21:19 madlsj98 阅读(195) 评论(0) 推荐(0)