2024年12月5日
强化学习理论-第6课-随机近似与随机梯度下降
摘要： 6.1 motivating example : mean estimation 采样足够多进行平均 迭代求平均： \(w_{k+1} = w_k - \frac{1}{k} (w_k - x_k)\) 6.2 Robbins-Monro algorithm RM算法的优点是：不需要知道方程表达式， 阅读全文
posted @ 2024-12-05 11:20 penuel 阅读(143) 评论(0) 推荐(0)