2024年10月29日
强化学习的数学原理-07时序差分方法
摘要： 目录引入TD learing of state valuesTD learing of action values SarsaTD learing of action values Expected SarsaTD learing of action values n-step SarsaTD le 阅读全文
posted @ 2024-10-29 21:10 cxy8 阅读(99) 评论(0) 推荐(0) 编辑
强化学习的数学原理-06随即近似理论和随机梯度下降
摘要： 目录Robbins-Monro algorithmStochastic gradient descentBGD、MBGD、 and SGDSummary Robbins-Monro algorithm 迭代式求平均数的算法 Stochasticapproximation(SA) 阅读全文
posted @ 2024-10-29 14:02 cxy8 阅读(90) 评论(0) 推荐(0) 编辑
强化学习的数学原理-05蒙特卡洛方法
摘要： 目录MC BasicMC Exploring StartsMC Epsilon-Greedy MC Basic 从modelbase的Reinforcementlearning过渡到modelfree的\(\: Reinforceme 阅读全文
posted @ 2024-10-29 09:44 cxy8 阅读(76) 评论(0) 推荐(0) 编辑
点击右上角即可分享
微信分享提示