2019年4月23日
策略梯度方法
摘要： 该理解建立在Policy Gradient Methods for Reinforcement Learning with Function Approximation论文阅读理解之上 首先明确优化目标$\rho(\pi)$,其中策略$\pi$是包含参数$\theta$的未知函数，一般有两种形式。 阅读全文
posted @ 2019-04-23 12:37 Ruidongch 阅读(287) 评论(0) 推荐(0) 编辑