2018年5月14日
cs231n---强化学习
摘要： 介绍了基于价值函数和基于策略梯度的两种强化学习框架，并介绍了四种强化学习算法：Q-learning，DQN，REINFORCE，Actot-Critic 1 强化学习问题建模 上图中，智能体agent处于状态st下，执行动作at后，会由于周围环境的作用进入下一个状态st+1，同时获得奖励rt。 马尔 阅读全文
posted @ 2018-05-14 00:50 coldyan 阅读(1762) 评论(0) 推荐(0) 编辑