2024年11月12日
强化学习的数学原理-09策略梯度
摘要： 目录Basic idea of policy gradientMetrics to define optimal policiesaverage valueaverage rewardGradient of the metricsGradient-ascent algorithm(REINFORCE 阅读全文
posted @ 2024-11-12 15:55 cxy8 阅读(63) 评论(0) 推荐(0) 编辑