Yjshun

摘要： 强化学习之一. 策略梯度 (PG)： 连续动作拒绝眨眼补帧 强化学习通过学习任务可以分为模型学习、值函数学习和策略学习。模型学习，也称基于模型的方法（Model-based Method），是指在和环境的交互过程中会对环境进行建模，可以将学习任务转化成规划任务，也就是说在学习的过程中，会形成一个对环 阅读全文