会员
周边
捐助
新闻
博问
闪存
赞助商
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
Haris Wang's Blog
订阅
管理
2020年2月5日
<强化学习>基本概念
摘要: 马尔可夫决策过程MDP,是强化学习的基础。 MDP <S,A,P,R,γ> AGENT STATE ENV REWARD ,由ENV给出。agent处于状态s下,采取action之后离开状态获得一个reward。即f:S x A >R 所有强化学习问题解决的目标都可以描述成最大化累积奖励。All g
阅读全文
posted @ 2020-02-05 14:11 dynmi
阅读(349)
评论(0)
推荐(0)
编辑