摘要： 本文参考《Reinforcement Learning：An Introduction（2nd Edition）》Sutton 有限MDP 有限MDP在RL中一般就是指如下图的交互式学习框架。（为了方便起见，把它当成离散化的过程） 其“有限”的特点表现在：state、reward、action三者只 阅读全文

摘要： arXiv:1704.01212v2 [cs.LG] 12 Jun 2017MPNN 消息传递神经网络，专为图数据设计 其前向传播可划分为两个阶段：消息传递与读出 消息传播阶段如下： Mt是t时刻的消息函数，Ut为t时刻的节点更新函数，evw是边vw的特征，htv是顶点v在t时刻的hidden fe 阅读全文

摘要： 本文参考《Reinforcement Learning：An Introduction（2nd Edition）》Sutton K臂赌博机 问题描述：你有k个选择，每个选择对应一个奖励，收益由所选动作决定的平稳概率分布产生，目标为最大化某段时间内的总收益期望。 联系我们在chapter1中提到的re 阅读全文

摘要： DOI10.1109/TNN.2008.2005605 任何数据都可以由一张图（Graph）表示, 图（Graph）是由一系列的点（vertex）与边（edge）的集合。 机器学习的目标是：拟合一个函数 τ(G, n) → Rm , 即映射图G与其中某一节点n成一个m-dim的实数向量。根据实际任务 阅读全文

摘要： Reinforcement Learning Chapter 1 学习笔记 阅读全文