摘要：
Finite-time Analysis of the Multiarmed Bandit Problem Abstract Reinforcement learning policies face the exploration versus exploitation dilemma, i.e. 阅读全文
摘要：
9.16凌晨 新学期也算是步入正轨了，各科作业都开始进行，大项目小组都建好了，凸优化和人工智能导论开始折磨人，学校开始组织一系列活动、比赛...... 感觉最担心的是，自己认识到大一学年参加的活动太少，现在焦虑于此，最后不但课余活动没顾好，课内知识掌握水平还下滑了。这是极有可能发生的。 解决的办法是 阅读全文