摘要：
前面的一篇博文Monte Carlo(MC) Policy Evaluation 蒙特·卡罗尔策略评估 介绍的是On-Polic... 阅读全文
摘要：
IOB Inside-outside-beginning (tagging) IOB是一种标记技术，IOB foramt是一种在计算... 阅读全文
摘要：
随着诸如DBPedia和FreeBase等大规模知识图谱的快速发展。知识图谱知识问答在过去几年引起了广泛注意。 KBQA: 知... 阅读全文
摘要：
简单问题的界定是能通过查找一个事实就可以解答。本文关注baseline方法，是一篇概述博客。 本文介绍的方法属于pipeline... 阅读全文
摘要：
这篇博客是前面一篇博客Model-Free Policy Evaluation 无模型策略评估的一个小节，因为TD本身也是一种无... 阅读全文
摘要：
这篇博文是另一篇博文Model-Free Policy Evaluation 无模型策略评估的一个小节，因为 蒙特·卡罗尔策略评... 阅读全文
摘要：
Mode-Free Policy Evaluation: Policy Evaluation Without Knowing How... 阅读全文
摘要：
MDP Control 在这节内容里我们不讨论如何学习策略，我们仅仅探讨计算最佳策略。 计算最佳策略和计算最佳价值都属于MDP ... 阅读全文
摘要：
注意力机制起源于应用于NLP的RNN模型，但也在其他的领域有所应用。对注意力机制的理解也是算法面试经常提及的一道基础面试题，在这... 阅读全文
摘要：
评估 估计/预测一个给定策略的奖励期望。 在强化学习中，我们可以脱离策略实现对它的评估。这意味着我们可以使用从其他策略收集到的数据来... 阅读全文