2023年8月12日
基于时态差分法的强化学习：Sarsa和Q-learning
摘要： 时态差分法（Temporal Difference, TD）是一类在强化学习中广泛应用的算法，用于学习价值函数或策略。Sarsa和Q-learning都是基于时态差分法的重要算法，用于解决马尔可夫决策过程（Markov Decision Process, MDP）中的强化学习问题。 下面是最简单的T 阅读全文
posted @ 2023-08-12 09:51 deephub 阅读(21) 评论(0) 推荐(0) 编辑